Мултимодален GRU
Мултимодален GRU разширява архитектурата на Gated Recurrent Unit (GRU), за да обработва съвместно последователни данни от множество входни модалности — като текст, аудио и видео кадри — в рамките на една рекурентна рамка. Чрез сливане на специфични за модалността кодирания на ниво вход или скрито състояние, той улавя времеви зависимости между хетерогенни потоци от данни и се използва широко в мултимодален анализ на настроения, разбиране на видео и аудио-визуално разпознаване на реч.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multimodal Gated Recurrent Unit. ScholarGate. https://scholargate.app/bg/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.
- Вентилна рекурентна единица (GRU)Дълбоко обучение↔ compare
- Дългосрочна краткосрочна памет (LSTM)Дълбоко обучение↔ compare
- Мултимодална класификация, базирана на BERTДълбоко обучение↔ compare
- Мултимодален LSTMДълбоко обучение↔ compare
- Мултимодална рекурентна невронна мрежаДълбоко обучение↔ compare
- Мултимодален ТрансформерДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →