شبکه عصبی پیچشی چندوجهی
یک شبکه عصبی پیچشی چندوجهی (MM-CNN) دو یا چند وجه ورودی — مانند تصاویر و متن، یا ویدئو و صدا — را از طریق شاخههای پیچشی اختصاصی پردازش و ادغام میکند و یک نمایش مشترک یاد میگیرد که سیگنالهای مکمل را از هر منبع دریافت میکند. نمایش ادغامشده، یک وظیفه پاییندستی مانند طبقهبندی، رگرسیون، یا بازیابی را هدایت میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal deep learning. In Proceedings of the 28th International Conference on Machine Learning (ICML), 689–696. link ↗
- Zhang, Y., Yin, C., Li, Y., Li, D., & Tian, Q. (2020). Multimodal intelligence: Representation learning, information fusion, and applications. IEEE Journal of Selected Topics in Signal Processing, 14(3), 478–493. DOI: 10.1109/JSTSP.2020.2987728 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/fa/deep-learning/multimodal-convolutional-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.
- طبقهبندی تصویریادگیری عمیق↔ compare
- طبقهبندی چندوجهی مبتنی بر BERTیادگیری عمیق↔ compare
- شبکه عصبی بازگشتی چندوجهییادگیری عمیق↔ compare
- ترانسفورمر چندوجهییادگیری عمیق↔ compare
- یادگیری انتقالی با شبکههای عصبی کانولوشنییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →