Multimodal grafisk neurale netværk
Et Multimodalt Grafisk Neurale Netværk (MM-GNN) kombinerer data fra flere modaliteter – såsom tekst, billeder og strukturerede træk – i en forenet grafstruktur og anvender grafbaseret meddelelsesudveksling til at lære fælles repræsentationer. Det muliggør relationel ræsonnement på tværs af heterogene datakilder, hvilket går ud over, hvad unimodale eller simple konkateneringsmetoder kan indfange.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Kipf, T. N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR). link ↗
- Zhang, Z., Lin, H., & Zhao, X. (2020). Multimodal Graph Neural Network for Knowledge-Based Visual Question Answering. Information Processing & Management, 57(6), 102382. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multimodal Graph Neural Network (MM-GNN). ScholarGate. https://scholargate.app/da/deep-learning/multimodal-graph-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.
- Grafneuralt netværkNetværksanalyse↔ compare
- Multimodal BERT-baseret klassifikationDyb læring↔ compare
- Multimodal Convolutional Neural NetworkDyb læring↔ compare
- Multimodale sætningsindlejringerDyb læring↔ compare
- Multimodal TransformerDyb læring↔ compare
- Multimodal Variational AutoencoderDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →