وحدة البوابة المتكررة متعددة الوسائط (Multimodal GRU)
تمتد وحدة البوابة المتكررة متعددة الوسائط (Multimodal GRU) على بنية وحدة البوابة المتكررة (GRU) لمعالجة البيانات المتسلسلة من وسائط إدخال متعددة - مثل النصوص والصوت وإطارات الفيديو - بشكل مشترك ضمن إطار عمل متكرر واحد. من خلال دمج الترميزات الخاصة بكل وسيط على مستوى الإدخال أو الحالة المخفية، فإنها تلتقط التبعيات الزمنية عبر تدفقات البيانات غير المتجانسة وتُستخدم على نطاق واسع في تحليل المشاعر متعدد الوسائط، وفهم الفيديو، والتعرف على الكلام السمعي البصري.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Cho, K., van Merriënboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. Proceedings of EMNLP 2014, 1724–1734. link ↗
- Zadeh, A., Chen, M., Poria, S., Cambria, E., & Morency, L.-P. (2017). Tensor Fusion Network for Multimodal Sentiment Analysis. Proceedings of EMNLP 2017, 1103–1114. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Multimodal Gated Recurrent Unit. ScholarGate. https://scholargate.app/ar/deep-learning/multimodal-gru
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- وحدة البوابات المتكررة (GRU)التعلم العميق↔ compare
- الذاكرة طويلة قصيرة المدى (LSTM)التعلم العميق↔ compare
- التصنيف المعتمد على نموذج BERT متعدد الوسائطالتعلم العميق↔ compare
- شبكة LSTM متعددة الوسائطالتعلم العميق↔ compare
- شبكة عصبية تكرارية متعددة الوسائطالتعلم العميق↔ compare
- المحولات متعددة الوسائط (Multimodal Transformers)التعلم العميق↔ compare