شبکه حافظه طولانی کوتاه چندوجهی (Multimodal LSTM)
شبکه حافظه طولانی کوتاه چندوجهی (Multimodal LSTM) شبکه استاندارد حافظه طولانی کوتاه (LSTM) را گسترش میدهد تا دادههای متوالی را از چندین وجه ورودی - مانند متن، صدا و تصویر - در یک معماری بازگشتی یکپارچه پردازش کند. با ادغام نمایشها از منابع مختلف قبل یا در داخل سلولهای LSTM، وابستگیهای زمانی را که در وجوه مختلف گسترش مییابند و از آنها عبور میکنند، ثبت میکند و آن را به یک رویکرد بنیادی برای وظایفی مانند تحلیل احساسات، شرحنویسی ویدئو و محاسبات عاطفی تبدیل 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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multimodal Long Short-Term Memory Network. ScholarGate. https://scholargate.app/fa/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.
- سازوکار توجهیادگیری عمیق↔ compare
- واحد تکرارشونده گیتدار (GRU)یادگیری عمیق↔ compare
- LSTMیادگیری عمیق↔ compare
- ترانسفورمر چندوجهییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →