我试图弄清楚如何反向传播GRU循环网络，但是我无法准确地理解GRU架构。
下图显示了具有3个神经网络的GRU单元，该单元接收串联的先前隐藏状态和输入向量作为其输入。
GRU example
但是，我参考的该图像用于反向传播，显示了输入被转发到每个门的W和U，被相加，然后应用了适当的激活函数。
GRU Backpropagation
Wikipedia上显示的更新门方程如下所示
zt = sigmoid（（W（z）xt + U（z）ht-1））
有人可以向我解释W和U代表什么吗？
编辑：
在我发现的大多数资源中，W和U通常被称为“权重”，所以我最好的猜测是W和U代表它们自己的神经网络，但这与我之前发现的图像相矛盾。
如果有人可以举一个例子说明W和U在一个简单的GRU中如何工作，那将很有帮助。
图片来源：
https://cran.r-project.org/web/packages/rnn/vignettes/GRU_units.html
https://towardsdatascience.com/animated-rnn-lstm-and-gru-ef124d06cf45
最佳答案
W和U是在训练过程中获知其值的矩阵（也称为神经网络权重）。矩阵W将向量xt乘以一个新向量。类似地，矩阵U将向量ht-1乘以一个新向量。将这两个新向量相加，然后将结果的每个分量传递给sigmoid函数。