Multimodálna rekurentná neurónová sieť
Multimodálna rekurentná neurónová sieť (Multimodal Recurrent Neural Network) kombinuje vstupy z dvoch alebo viacerých dátových modalít – ako sú obrázky, text a zvuk – v rámci rekurentného rámca na spracovanie sekvencií. Každú modalitu kóduje samostatne, spája reprezentácie a potom spracováva kombinovaný signál prostredníctvom rekurentných jednotiek (RNN, LSTM alebo GRU) na generovanie alebo klasifikáciu sekvenčných výstupov. Tento dizajn z nej urobil základný prístup v popisovaní obrázkov (image captioning), popisovaní videa a audio-vizuálnom rozpoznávaní reči.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Vinyals, O., Toshev, A., Bengio, S., & Erhan, D. (2015). Show and Tell: A Neural Image Caption Generator. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3156–3164. DOI: 10.1109/CVPR.2015.7298935 ↗
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal Deep Learning. Proceedings of the 28th International Conference on Machine Learning (ICML), pp. 689–696. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Multimodal Recurrent Neural Network (MM-RNN). ScholarGate. https://scholargate.app/sk/deep-learning/multimodal-recurrent-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.
- Gated Recurrent Unit (GRU)Hlboké učenie↔ compare
- Long Short-Term Memory (LSTM)Hlboké učenie↔ compare
- Multimodálna klasifikácia založená na BERTHlboké učenie↔ compare
- Konvolučná neurónová sieť s viacerými modalitamiHlboké učenie↔ compare
- Multimodálny TransformerHlboké učenie↔ compare
- Rekurentná neurónová sieťHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →