Gated Recurrent Unit (GRU)
Definition
Eine GRU ist eine rekurrente neuronale Netzkomponente mit Gates zur Steuerung von Informationsfluss und Gedächtnis.
GRUs verwenden Update- und Reset-Gates, um relevante frühere Informationen über Sequenzen zu behalten oder zu verwerfen. Sie sind einfacher aufgebaut als klassische LSTMs.
Einfach erklärt
Wie ein Gedächtnis mit zwei Reglern: Einer entscheidet, was behalten wird, der andere, was zurückgesetzt werden kann.
Warum das im Alltag wichtig ist
Relevant für Zeitreihen und Sequenzmodelle, insbesondere als kompakte Alternative zu LSTM; bei vielen modernen Sprachaufgaben dominieren jedoch andere Architekturen.
Beispiel aus dem Mittelstand
Ein Modell verarbeitet Sensordaten als Zeitreihe und nutzt eine GRU, um Muster über mehrere Zeitschritte zu erfassen.
Grenzen und Fallstricke
- GRU und LSTM gleichsetzen; lange Abhängigkeiten ohne Benchmark voraussetzen; moderne Transformer oder State-Space-Modelle nicht vergleichen.
Entstehung & Geschichte
Cho et al. beschrieben 2014 im RNN Encoder-Decoder eine gated rekurrente Einheit, aus der die heute verbreitete GRU hervorging.
Anwendung im Mittelstand
- Mögliche Anwendung: kompakte Zeitreihenmodelle für Sensor-, Nachfrage- oder Zustandsdaten.
Häufige Fragen
Ist eine GRU ein LSTM?
Nein, beide sind gated RNNs, aber unterschiedlich aufgebaut. Ist GRU immer schneller? Häufig kompakter, aber reale Laufzeit hängt von Implementierung und Hardware ab.
Quellen
- Learning Phrase Representations using RNN Encoder-Decoder · Cho et al. (2014), Learning Phrase Representations using RNN Encoder-Decoder
Quellen geprüft am 10.10.2026.
Redaktionell geprüft am: