ScholarGate
Msaidizi
Machine learningDeep learning / NLP / CV

GRU ya Njia Nyingi (Multimodal GRU)

GRU ya Njia Nyingi hupanua usanifu wa Gated Recurrent Unit (GRU) ili kuchakata data ya mfuatano kutoka vyanzo vingi vya pembejeo — kama vile maandishi, sauti, na fremu za video — ndani ya mfumo mmoja unaojirudia. Kwa kuunganisha usimbaji mahususi wa njia katika kiwango cha pembejeo au hali fiche, inakamata utegemezi wa muda katika mitiririko ya data isiyo sawa na inatumika sana katika uchambuzi wa hisia za njia nyingi, ufahamu wa video, na utambuzi wa usemi wa sauti-taswira.

Fungua katika MethodMindHivi karibuniVideoHivi karibuniPakua slaidi

Soma mbinu kamili

Kwa wanachama pekee

Ingia kwa akaunti ya bure ili kusoma sehemu hii.

Ingia

Ramani ya mbinu

Jirani ya mbinu zinazohusiana — chagua nodi ili kuchunguza.

Vyanzo

  1. 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
  2. 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

Jinsi ya kunukuu ukurasa huu

ScholarGate. (2026, June 3). Multimodal Gated Recurrent Unit. ScholarGate. https://scholargate.app/sw/deep-learning/multimodal-gru

Mbinu ipi?

Weka mbinu hii kando ya jamaa zake wa karibu na uzisome bega kwa bega — maktaba huweka vitabu mezani; uamuzi ni wako.

Linganisha bega kwa bega
ScholarGateMultimodal GRU (Multimodal Gated Recurrent Unit). Imepatikana 2026-06-15 kutoka https://scholargate.app/sw/deep-learning/multimodal-gru · Seti ya data: https://doi.org/10.5281/zenodo.20539026