Multimodal Recurrent Neural Network
Et Multimodal Recurrent Neural Network kombinerer input fra to eller flere datamodaliteter – som bilder, tekst og lyd – innenfor et rammeverk for sekvensprosessering med gjentakelse. Det koder hver modalitet separat, smelter sammen representasjonene, og prosesserer deretter det kombinerte signalet gjennom rekurrentenheter (RNN, LSTM eller GRU) for å generere eller klassifisere sekvensielle utdata. Denne designen gjorde det til en grunnleggende tilnærming innen bildebeskrivelse, videobeskrivelse og lyd-visuell talegjenkjenning.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multimodal Recurrent Neural Network (MM-RNN). ScholarGate. https://scholargate.app/no/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)Dyp læring↔ compare
- Langtidskorttidsminne (LSTM)Dyp læring↔ compare
- Multimodal BERT-basert klassifiseringDyp læring↔ compare
- Multimodal konvolusjonelt nevralt nettverkDyp læring↔ compare
- Multimodal transformereDyp læring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →