Multimodális Rekurrens Neurális Hálózat
A multimodális rekurrens neurális hálózat (RNN) két vagy több adatmodalitásból — például képek, szöveg és hang — származó bemeneteket integrál egy rekurrens, szekvenciafeldolgozó keretrendszerbe. Minden modalitást külön kódol, majd a reprezentációkat egyesíti, és az így kapott kombinált jelet rekurrens egységeken (RNN, LSTM vagy GRU) keresztül dolgozza fel szekvenciális kimenetek generálása vagy osztályozása céljából. Ez a kialakítás alapvető megközelítéssé vált a képaláírás, videóleírás és hang-vizuális beszéd-felismerés terén.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Multimodal Recurrent Neural Network (MM-RNN). ScholarGate. https://scholargate.app/hu/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.
- Gated Recurrent Unit (GRU)Mélytanulás↔ compare
- Long Short-Term Memory (LSTM)Mélytanulás↔ compare
- Multimodális BERT-alapú osztályozásMélytanulás↔ compare
- Multimodális konvolúciós neurális hálózatMélytanulás↔ compare
- Multimodális transzformerMélytanulás↔ compare
- Rekurrens neurális hálózatMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →