GRU：简化版循环神经网络，解决长期记忆问题

GRU（Gate Recurrent Unit）是循环神经网络（RNN）的一种，由CHO提出。与传统的RNN相比，GRU能够解决长期记忆和反向传播中的梯度等问题。它与LSTM（长短期记忆网络）类似，但比LSTM更简单易用，仅包含更新门和重置门。与LSTM不同的是，GRU使用隐藏状态进行信息传递，而不是细胞状态。在实际表现上，GRU与LSTM相差无几，但计算更简单，更易于实现。