2019年9月25日 · 网络分为两部分：（1）分解原始时间序列：FCD（Filtering Cycle Decomposition）；（2）预测子序列：GRU (Gated Recurrent Unit NN)，采用多时间间隔（multi-time-lag）以减少对时间间隔的依赖性。 时间序列的预测问题可总结为：建立可以捕捉到历史时间序列规律的模型以预测未来时间的值。 即： 为t时刻时间序列值，n为预测范围，w为用来预测的历史数据窗口大小，即time lag。

2024年6月29日 · We introduce a continuous-time gated recurrent unit (GRU) based on the neural ordinary differential equation (NODE) which can supervise explicit time-derivatives. We generalize the GRU architecture in a continuous-time manner and minimize the prediction delay through our time-derivative regularization.

2024年2月5日 · CNN-GRU）：一种深度学习模型，结合了卷积神经网络（Convolutional Neural Network，CNN）和门控循环单元（Gated Recurrent Unit，GRU）的特性，用于处理时序数据和多维数据的回归预测或拟合任务。 卷积门控循环...

2023年11月14日 · GRU是PyTorch中的一个模块，用于构建GRU层，支持单层或多层GRU堆叠，支持双向GRU。 GRU （Gated Recurrent Unit）是RNN的改进版本，具有更新门和重置门，解决了传统RNN的梯度消失问题。

GRU（Gate Recurrent Unit）是循环神经网络（Recurrent Neural Network, RNN）的一种。 和LSTM（Long-Short Term Memory）一样，也是为了解决长期记忆和反向传播中的梯度等问题而提出来的。 GRU和LSTM在很多情况下实际表现上相差无几，那么为什么我们要使用新人GRU（2014年提出）而不是相对经受了更多考验的LSTM（1997提出）呢。 下图1-1引用论文中的一段话来说明GRU的优势所在。 简单译文：我们在我们的实验中选择GRU是因为它的实验效 …

2023年9月10日 · 这种被称为gru（门控循环单元）的神经网络由cho等人于2014年引入，其主要目的是解决标准循环神经网络中的 梯度消失 问题。gru也可以被视为 lstm 的一个变种，因为它们的设计思路很相似，并且在某些情况下，它们都能产生相当出色的结果。 grus是如何工作的？

2023年11月16日 · Comparative analysis delineated that the use of the STA-GRU model and the application of the lag time pre-processing method significantly improved the reliability and accuracy of flood forecasting. Climate change and urbanization have increased the frequency of floods worldwide, resulting in substantial casualties and property loss.

2020年3月4日 · In this paper, we propose a hybrid Vector Autoregressive and Gated Recurrent Unit (VAR-GRU) model to find the contextual variables and suitable lag length to improve the predictive performance for financial multivariate time series.

2017年10月29日 · In this paper we use the variable-length time lag sampling method in GRU training and forecasting to take full advantage of GRU which can handle variable length sequence.

In this paper, a new time series forecast-ing method (FCD-MLGRU) is proposed for solving short-term forecast-ing problem. First we decompose the original time series using Filtering Cycle Decomposition (FCD) proposed in this paper, secondly we train the Gated Recurrent Unit (GRU) Neural Network to forecasting the sub-series respectively.