Multimodale Graaf Neurale Netwerken
Een Multimodale Graaf Neurale Netwerk (MM-GNN) combineert data uit meerdere modaliteiten — zoals tekst, beelden en gestructureerde kenmerken — in een uniforme graafstructuur en past graaf-gebaseerde berichtuitwisseling toe om gezamenlijke representaties te leren. Het maakt relationeel redeneren mogelijk over heterogene gegevensbronnen, en gaat verder dan wat unimodale of eenvoudige concatenatiebenaderingen kunnen vastleggen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Kipf, T. N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR). link ↗
- Zhang, Z., Lin, H., & Zhao, X. (2020). Multimodal Graph Neural Network for Knowledge-Based Visual Question Answering. Information Processing & Management, 57(6), 102382. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multimodal Graph Neural Network (MM-GNN). ScholarGate. https://scholargate.app/nl/deep-learning/multimodal-graph-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.
- Graaf Neuraal NetwerkNetwerkanalyse↔ compare
- Multimodale BERT-gebaseerde classificatieDeep learning↔ compare
- Multimodaal Convolutie Neuraal NetwerkDeep learning↔ compare
- Multimodale zinsinbeddingenDeep learning↔ compare
- Multimodale TransformerDeep learning↔ compare
- Multimodale Variational Auto-encoderDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →