Multimodální rekurentní neuronová síť
Multimodální rekurentní neuronová síť kombinuje vstupy ze dvou nebo více datových modalit – jako jsou obrazy, text a zvuk – v rámci rekurentního rámce pro zpracování sekvencí. Každou modalitu kóduje samostatně, fúzuje reprezentace a poté zpracovává kombinovaný signál pomocí rekurentních jednotek (RNN, LSTM nebo GRU) k generování nebo klasifikaci sekvenčních výstupů. Tento design z ní učinil základní přístup v popisování obrazů, popisu videí a audiovizuálním rozpoznávání řeči.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multimodal Recurrent Neural Network (MM-RNN). ScholarGate. https://scholargate.app/cs/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.
- Gated Recurrent Unit (GRU)Hluboké učení↔ compare
- Dlouhodobá krátkodobá paměť (LSTM)Hluboké učení↔ compare
- Víceúčelová klasifikace založená na BERTHluboké učení↔ compare
- Konvoluční neuronová síť pro více modalitHluboké učení↔ compare
- Multimodální TransformerHluboké učení↔ compare
- Rekurentní neuronová síťHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →