Мультимодальная LSTM
Мультимодальная LSTM (Long Short-Term Memory) расширяет стандартную сеть LSTM для совместной обработки последовательных данных из нескольких входных модальностей — таких как текст, аудио и видео — в рамках единой рекуррентной архитектуры. Сливая представления из разных источников до или внутри ячеек LSTM, она улавливает временные зависимости, которые охватывают и пересекают модальности, что делает ее фундаментальным подходом для таких задач, как анализ тональности, генерация подписей к видео и аффективные вычисления.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multimodal Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ru/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.
- Механизм вниманияГлубокое обучение↔ compare
- Сверточный рекуррентный блок (GRU)Глубокое обучение↔ compare
- LSTMГлубокое обучение↔ compare
- Мультимодальный трансформерГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →