LSTM Multimodal
LSTM Multimodal extinde rețeaua standard Long Short-Term Memory pentru a procesa în mod combinat date secvențiale din multiple modalități de intrare — precum text, audio și video — în cadrul unei arhitecturi recurente unificate. Prin fuzionarea reprezentărilor din surse diferite înainte de sau în interiorul celulelor LSTM, aceasta captează dependențe temporale care se extind și traversează modalități, făcând-o o abordare fundamentală pentru sarcini precum analiza sentimentelor, generarea de descrieri pentru video și calculul afectiv.
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
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Multimodal Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ro/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.
- Mecanismul de atențieÎnvățare profundă↔ compare
- Unitatea Recurentă Gated (GRU)Învățare profundă↔ compare
- LSTMÎnvățare profundă↔ compare
- Transformer MultimodalÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →