GRU(Gated Recurrent Unit)는 LSTM의 단순화된 버전으로, 장기 의존성 문제를 해결하면서도 구조를 간단히 만들어 계산 효율을 높인 RNN 변형 모델임.1. 등장 배경LSTM은 장기 기억을 잘 다루지만, 게이트가 많고 계산량이 많음 → 느리고 무거움GRU는 게이트 수를 줄이고 구조를 단순화해서 비슷한 성능을 내면서 더 빠르게 학습 가능2. 구조GRU는 LSTM의 셀 상태(Cell state)와 은닉 상태($h_t$)를 통합함.게이트도 3개가 아닌 2개만 사용:리셋 게이트(Reset Gate)$\rightarrow$ 과거 정보를 얼마나 무시할지 결정$$r_t = \sigma(W_r [h_{t-1}, x_t])$$업데이트 게이트(Update Gate)$\rightarrow$ 새로운 정보와 ..