เพอร์เซปตรอนหลายชั้นหลายรูปแบบ
เพอร์เซปตรอนหลายชั้นหลายรูปแบบ (MM-MLP) คือโครงข่ายประสาทเทียมแบบป้อนไปข้างหน้า (feedforward neural network) ที่รับคุณลักษณะจากข้อมูลนำเข้าตั้งแต่สองรูปแบบขึ้นไปซึ่งมีความแตกต่างกัน เช่น ข้อมูลตารางที่มีโครงสร้าง, การฝังข้อความ (text embeddings), และเวกเตอร์คุณลักษณะของรูปภาพ โดยการเข้ารหัสแต่ละสตรีมแยกกันและหลอมรวมเข้าด้วยกันเป็นตัวแทนร่วม (shared representation) ก่อนที่จะส่งผ่านไปยังชั้นเชื่อมต่อสมบูรณ์ (fully connected layers) เพื่อสร้างผลลัพธ์การจำแนกประเภทหรือการถดถอย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal deep learning. In Proceedings of the 28th International Conference on Machine Learning (ICML 2011), pp. 689–696. link ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 6: Deep Feedforward Networks). MIT Press. ISBN: 978-0-262-03561-3
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multimodal Multilayer Perceptron (MM-MLP). ScholarGate. https://scholargate.app/th/deep-learning/multimodal-multilayer-perceptron
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.
- มัลติเลเยอร์ เพอร์เซปตรอนที่ปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- เพอร์เซปตรอนหลายชั้น (MLP)การเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมคอนโวลูชันหลายรูปแบบการเรียนรู้เชิงลึก↔ compare
- การฝังประโยคหลายรูปแบบการเรียนรู้เชิงลึก↔ compare
- Multimodal Transformerการเรียนรู้เชิงลึก↔ compare