Summary  
Gated Recurrent Units (GRUs) are a recurrent neural network cell that uses two gates—reset and update—to regulate information flow and capture long-term dependencies with fewer parameters and computations than LSTMs.

General domain of usage  
Speech recognition

**Gated recurrent units** (**GRU**) er introdusert som en forenklet versjon av LSTM-er. GRU-er løser de samme utfordringene som tradisjonelle RNN-er, som forsvinnende gradienter, men med færre parametere, noe som gjør dem raskere og mer beregningseffektive.


Definisjon

- **GRU-struktur**: En GRU har to hovedkomponenter—**reset-gate** og **update-gate**. Disse portene styrer informasjonsflyten inn og ut av nettverket, på lignende måte som LSTM-porter, men med færre operasjoner;  
- **Reset-gate**: Reset-gaten bestemmer hvor mye av tidligere minne som skal glemmes. Den gir en verdi mellom 0 og 1, hvor 0 betyr "glemme" og 1 betyr "beholde";  
- **Update-gate**: Update-gaten avgjør hvor mye av ny informasjon som skal inkorporeres i nåværende minne. Den bidrar til å regulere modellens læringsprosess;  
- **Fordeler med GRU-er**: GRU-er har færre porter enn LSTM-er, noe som gjør dem enklere og mindre ressurskrevende. Til tross for sin enklere struktur presterer de ofte like godt som LSTM-er på mange oppgaver;  
- **Bruksområder for GRU-er**: GRU-er brukes ofte i applikasjoner som **talegjenkjenning**, **språkmodellering** og **maskinoversettelse**, hvor oppgaven krever å fange opp langtidssammenhenger uten den beregningsmessige kostnaden til LSTM-er.



Oppsummert er GRU-er et mer effektivt alternativ til LSTM-er, og gir tilsvarende ytelse med en enklere arkitektur, noe som gjør dem egnet for oppgaver med store datasett eller sanntidsapplikasjoner.


Hvilket av følgende er IKKE en komponent i en GRU?

Fokuserer utelukkende på rekursive nevrale nettverk (RNN) og deres anvendelse innen sekvensgenerering. Dette avanserte modulen dekker kjerneprinsippene for RNN og praktiske tilnærminger til modellering av sekvensielle data, og forbereder deg på praktisk arbeid med LSTM- og GRU-nettverk i Python.

Gated Recurrent Units (GRU)