Multimodal LSTM
Multimodal LSTM rozszerza standardową sieć Long Short-Term Memory, aby wspólnie przetwarzać dane sekwencyjne z wielu modalności wejściowych — takich jak tekst, audio i wideo — w ramach zunifikowanej architektury rekurencyjnej. Poprzez fuzję reprezentacji z różnych źródeł przed komórkami LSTM lub w ich obrębie, przechwytuje zależności czasowe, które obejmują i krzyżują się między modalnościami, co czyni ją fundamentalnym podejściem do zadań takich jak analiza sentymentu, generowanie opisów wideo i obliczenia afektywne.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Multimodal Long Short-Term Memory Network. ScholarGate. https://scholargate.app/pl/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.
- Mechanizm uwagiUczenie głębokie↔ compare
- Gated Recurrent Unit (GRU)Uczenie głębokie↔ compare
- LSTMUczenie głębokie↔ compare
- Transformator multimodalnyUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →