GRU(Gated Recurrent Unit)とLSTMの比較

GRUはLSTMを簡略化したモデルで、Updateゲート(LSTMの入力ゲートと忘却ゲートを統合)とResetゲートの2つで構成され、計算コストを抑えながらLSTMと同等以上の性能を発揮します。 ア:正解です。2つのゲートへの統合とパラメータ削減がGRUの設計思想です。 イ:誤りです。LSTMよりゲート数が減り(3つ→2つ)、パラメータは少なくなっています。 ウ:誤りです。更新ゲートが入力と忘却の両方の比率(z_t と 1-z_t)を同時に制御します。 エ:誤りです。時系列や自然言語処理で多用されるリカレントモデルです。

チョ・ギョンヒョンらによって提案されたGRU(Gated Recurrent Unit)とLSTMの比較として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
GRUはセル状態を廃止して隠れ状態に統合し、ゲートを「更新ゲート(Update Gate)」と「リセットゲート(Reset Gate)」の2つに整理することで、LSTMと同等の表現力を保ちつつパラメータ数と計算量を削減した。
イ
GRUはLSTMにさらに3つの新しいゲートを追加し、パラメータ数を2倍に増加させた複雑なモデルである。
ウ
GRUは忘却ゲートのみを持ち、新しい入力情報を取り込むゲートは存在しない。
エ
GRUはLSTMと異なり時系列データを扱うことができず、静止画像専用のモデルである。