Daudzmodālu daudzslāņu perceptrons
Daudzmodālu daudzslāņu perceptrons (MM-MLP) ir uz priekšu vērsts neironu tīkls, kas apvieno iezīmes no divām vai vairākām neviendabīgām ievades modalitātēm — piemēram, strukturētiem tabulu datiem, teksta iegulšanas vektoriem un attēlu iezīmju vektoriem — kodējot katru plūsmu atsevišķi un sapludinot tās kopīgā attēlojumā pirms apstrādes pilnībā savienotos slāņos, lai iegūtu klasifikācijas vai regresijas rezultātu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multimodal Multilayer Perceptron (MM-MLP). ScholarGate. https://scholargate.app/lv/deep-learning/multimodal-multilayer-perceptron
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.
- Pielāgots daudzslāņu perceptronsDziļā mācīšanās↔ compare
- Daudzslāņu perceptrons (MLP)Dziļā mācīšanās↔ compare
- Daudzmodālu konvolūcijas neironu tīklsDziļā mācīšanās↔ compare
- Multimodālie teikumu ieguldinājumiDziļā mācīšanās↔ compare
- Daudzmodālu TransformersDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →