Perceptron Multicouche Multimodal
Un Perceptron Multicouche Multimodal (MM-MLP) est un réseau de neurones à propagation avant qui ingère des caractéristiques provenant de deux modalités d'entrée hétérogènes ou plus — telles que des données tabulaires structurées, des plongements textuels et des vecteurs de caractéristiques d'images — en encodant chaque flux séparément et en les fusionnant dans une représentation partagée avant de les faire passer par des couches entièrement connectées pour produire une sortie de classification ou de régression.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 2011), pp. 689–696. link ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 6: Deep Feedforward Networks). MIT Press. ISBN: 978-0-262-03561-3
Comment citer cette page
ScholarGate. (2026, June 3). Multimodal Multilayer Perceptron (MM-MLP). ScholarGate. https://scholargate.app/fr/deep-learning/multimodal-multilayer-perceptron
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Perceptron multicouche affinéApprentissage profond↔ comparer
- Perceptron multicouche (MLP)Apprentissage profond↔ comparer
- Réseau de neurones convolutifs multimodauxApprentissage profond↔ comparer
- Plongements de phrases multimodauxApprentissage profond↔ comparer
- Transformeur MultimodalApprentissage profond↔ comparer
Une erreur sur cette page ? Signalez-la ou proposez une correction →