Wielomodalna grafowa sieć neuronowa
Wielomodalna grafowa sieć neuronowa (MM-GNN) łączy dane z wielu modalności — takich jak tekst, obrazy i ustrukturyzowane cechy — w ujednoliconą strukturę grafową i stosuje przekazywanie wiadomości oparte na grafach w celu uczenia się wspólnych reprezentacji. Umożliwia ona rozumowanie relacyjne w oparciu o heterogeniczne źródła danych, wykraczając poza możliwości, jakie oferują podejścia jednomodalne lub proste konkatenacje.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Multimodal Graph Neural Network (MM-GNN). ScholarGate. https://scholargate.app/pl/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.
- Sieć neuronowa grafowaAnaliza sieci↔ compare
- Klasyfikacja multimodalna oparta na BERTUczenie głębokie↔ compare
- Wielomodalna sieć neuronowa konwolucyjnaUczenie głębokie↔ compare
- Osadzenia zdań multimodalnychUczenie głębokie↔ compare
- Transformator multimodalnyUczenie głębokie↔ compare
- Wielomodalny autoenkoder wariacyjnyUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →