最小门控循环单元
背景
目前,循环神经网络已在时序预测得到广泛的应用,从最初的RNN到97年提出的LSTM再到14年提出的GRU,其本身方法及其变体层出不穷,但是其网络结构均具有浩大的隐藏参数。基于此原因,研究者提出最小门控循环单元网络,其通过对网络结构的改变,保持预测的准确率同时减少网络结构的隐藏参数。
原理
输入门i以参数wi和bi确定时间t的新信息的哪一部分被添加到ct;输入被转换为带有参数Wc和bc的更新ct。属于c t和ct−1构成新的细胞状态ct;输出门由参数Wo和bo决定,控制哪个部分输出为隐藏状态。
想法
- 可堆叠MGU网络构成深度网络;
- 与其它网络模型进行组合成混合模型;
- 可构成Bimgu网络预测模型。
论文地址
https://arxiv.org/pdf/1603.09420.pdf