شبکه عصبی بازگشتی چندوجهی
یک شبکه عصبی بازگشتی چندوجهی (Multimodal Recurrent Neural Network) ورودیها را از دو یا چند وجه داده - مانند تصاویر، متن و صدا - در چارچوب پردازش توالی بازگشتی ترکیب میکند. این شبکه هر وجه را به طور جداگانه رمزگذاری میکند، بازنماییها را ادغام کرده و سپس سیگنال ترکیبی را از طریق واحدهای بازگشتی (RNN، LSTM یا GRU) پردازش میکند تا خروجیهای ترتیبی تولید یا طبقهبندی کند. این طراحی آن را به یک رویکرد بنیادی در تولید شرح تصویر، توصیف ویدئو و تشخیص گفتار صوتی-بصری تبدیل کرده است.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multimodal Recurrent Neural Network (MM-RNN). ScholarGate. https://scholargate.app/fa/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.
- واحد تکرارشونده گیتدار (GRU)یادگیری عمیق↔ compare
- حافظه طولانی کوتاهمدت (LSTM)یادگیری عمیق↔ compare
- طبقهبندی چندوجهی مبتنی بر BERTیادگیری عمیق↔ compare
- شبکه عصبی پیچشی چندوجهییادگیری عمیق↔ compare
- ترانسفورمر چندوجهییادگیری عمیق↔ compare
- شبکه عصبی بازگشتییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →