मल्टीमॉडल रिकरेंट न्यूरल नेटवर्क
एक मल्टीमॉडल रिकरेंट न्यूरल नेटवर्क (Multimodal Recurrent Neural Network) दो या दो से अधिक डेटा मोडैलिटीज़ — जैसे कि चित्र, टेक्स्ट और ऑडियो — से इनपुट को एक रिकरेंट सीक्वेंस-प्रोसेसिंग फ्रेमवर्क के भीतर जोड़ता है। यह प्रत्येक मोडैलिटी को अलग से एन्कोड करता है, प्रतिनिधित्वों को फ्यूज करता है, और फिर संयुक्त सिग्नल को रिकरेंट इकाइयों (RNN, LSTM, या GRU) के माध्यम से संसाधित करता है ताकि अनुक्रमिक आउटपुट उत्पन्न या वर्गीकृत किया जा सके। इस डिज़ाइन ने इसे इमेज कैप्शनिंग, वीडियो विवरण और ऑडियो-विजुअल स्पीच रिकॉग्निशन में एक मूलभूत दृष्टिकोण बना दिया।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Multimodal Recurrent Neural Network (MM-RNN). ScholarGate. https://scholargate.app/hi/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.
- गेटेड रिकरेंट यूनिट (GRU)गहन अधिगम↔ compare
- लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM)गहन अधिगम↔ compare
- मल्टीमॉडल BERT-आधारित वर्गीकरणगहन अधिगम↔ compare
- बहुविध संवादात्मक तंत्रिका नेटवर्क (Multimodal Convolutional Neural Network)गहन अधिगम↔ compare
- मल्टीमॉडल ट्रांसफार्मरगहन अधिगम↔ compare
- पुनरावर्ती तंत्रिका नेटवर्कगहन अधिगम↔ compare