GRU multimodal
GRU multimodal extinde arhitectura Gated Recurrent Unit pentru a procesa în comun date secvențiale din multiple modalități de intrare — cum ar fi text, audio și cadre video — într-un singur cadru recurent. Prin fuzionarea codificărilor specifice modalității la nivelul intrării sau al stării ascunse, acesta captează dependențe temporale între fluxuri de date heterogene și este utilizat pe scară largă în analiza multimodală a sentimentelor, înțelegerea video și recunoașterii vorbirii audio-vizuale.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Cho, K., van Merriënboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. Proceedings of EMNLP 2014, 1724–1734. link ↗
- Zadeh, A., Chen, M., Poria, S., Cambria, E., & Morency, L.-P. (2017). Tensor Fusion Network for Multimodal Sentiment Analysis. Proceedings of EMNLP 2017, 1103–1114. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Multimodal Gated Recurrent Unit. ScholarGate. https://scholargate.app/ro/deep-learning/multimodal-gru
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.
- Unitatea Recurentă Gated (GRU)Învățare profundă↔ compare
- Long Short-Term Memory (LSTM)Învățare profundă↔ compare
- Clasificare multimodală bazată pe BERTÎnvățare profundă↔ compare
- LSTM MultimodalÎnvățare profundă↔ compare
- Rețea neuronală recurentă multimodalăÎnvățare profundă↔ compare
- Transformer MultimodalÎnvățare profundă↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →