Machine learningDeep learning / NLP / CV
다중 양식 LSTM
다중 양식 LSTM은 텍스트, 오디오, 비디오와 같은 여러 입력 양식의 순차 데이터를 통합된 순환 아키텍처 내에서 공동으로 처리하도록 표준 장단기 기억망(LSTM)을 확장한 것입니다. LSTM 셀 이전 또는 내에서 다른 소스의 표현을 융합함으로써, 양식 간 및 양식에 걸친 시간적 의존성을 포착하여 감성 분석, 비디오 캡셔닝, 감성 컴퓨팅과 같은 작업의 기초적인 접근 방식이 됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Multimodal Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →