Мултимодална рекурентна невронна мрежа
Мултимодална рекурентна невронна мрежа комбинира входове от две или повече модалности данни — като изображения, текст и аудио — в рамките на рекурентна рамка за обработка на последователности. Тя кодира всяка модалност поотделно, слива представянията и след това обработва комбинирания сигнал чрез рекурентни единици (RNN, LSTM или GRU), за да генерира или класифицира последователни изходи. Този дизайн я направи основополагащ подход в генерирането на описания на изображения, описание 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
- Vinyals, O., Toshev, A., Bengio, S., & Erhan, D. (2015). Show and Tell: A Neural Image Caption Generator. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3156–3164. DOI: 10.1109/CVPR.2015.7298935 ↗
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal Deep Learning. Proceedings of the 28th International Conference on Machine Learning (ICML), pp. 689–696. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multimodal Recurrent Neural Network (MM-RNN). ScholarGate. https://scholargate.app/bg/deep-learning/multimodal-recurrent-neural-network
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
- Мултимодална конволюционна невронна мрежаДълбоко обучение↔ compare
- Мултимодален ТрансформерДълбоко обучение↔ compare
- Рекурентна невронна мрежаДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →