Мултимодален LSTM
Мултимодалният LSTM разширява стандартната мрежа Long Short-Term Memory, за да обработва съвместно последователни данни от множество входни модалности — като текст, аудио и видео — в рамките на единна рекурентна архитектура. Чрез сливане на представянията от различни източници преди или в рамките на LSTM клетките, той улавя времеви зависимости, които обхващат и пресичат модалностите, което го прави основополагащ подход за задачи като анализ на настроенията, генериране на субтитри към видео и афективни изчисления.
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
- Rajagopalan, S., Tran, L., Rozgic, V., Narayanan, S., Kumar, A., & Ramakrishna, S. (2016). Extending Long Short-Term Memory for Multi-View Structured Learning. In Proceedings of ECCV 2016. Springer. link ↗
- Hochreiter, S., & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multimodal Long Short-Term Memory Network. ScholarGate. https://scholargate.app/bg/deep-learning/multimodal-lstm
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.
- Механизъм на вниманиетоДълбоко обучение↔ compare
- Вентилна рекурентна единица (GRU)Дълбоко обучение↔ compare
- LSTMДълбоко обучение↔ compare
- Мултимодален ТрансформерДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →