LSTM Multimodus
LSTM Multimodus memperluas rangkaian Long Short-Term Memory (LSTM) standard untuk memproses data berurutan daripada pelbagai mod input — seperti teks, audio dan video — secara bersamaan dalam seni bina berulang yang bersatu. Dengan menggabungkan perwakilan daripada sumber yang berbeza sebelum atau di dalam sel LSTM, ia menangkap kebergantungan temporal yang merangkumi dan merentasi pelbagai mod, menjadikannya pendekatan asas untuk tugasan seperti analisis sentimen, penjanaan kapsyen video dan pengkomputeran afektif.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Multimodal Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ms/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.
- Mekanisme PerhatianPembelajaran Mendalam↔ compare
- Gated Recurrent Unit (GRU)Pembelajaran Mendalam↔ compare
- LSTMPembelajaran Mendalam↔ compare
- Transformer MultimodusPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →