โครงข่ายประสาทเทียมเวียนซ้ำหลายรูปแบบ
โครงข่ายประสาทเทียมเวียนซ้ำหลายรูปแบบ (Multimodal Recurrent Neural Network) ผสมผสานข้อมูลนำเข้าจากข้อมูลสองรูปแบบขึ้นไป เช่น รูปภาพ ข้อความ และเสียง ภายในกรอบการประมวลผลลำดับแบบเวียนซ้ำ โดยจะเข้ารหัสแต่ละรูปแบบแยกกัน หลอมรวมการแทนค่า และประมวลผลสัญญาณที่รวมกันผ่านหน่วยเวียนซ้ำ (RNN, LSTM, หรือ GRU) เพื่อสร้างหรือจำแนกลำดับผลลัพธ์ การออกแบบนี้ทำให้เป็นแนวทางพื้นฐานในการสร้างคำบรรยายภาพ การอธิบายวิดีโอ และการรู้จำเสียงพูดแบบภาพและเสียง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multimodal Recurrent Neural Network (MM-RNN). ScholarGate. https://scholargate.app/th/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.
- หน่วยความจำแบบวนซ้ำแบบมีประตู (Gated Recurrent Unit - GRU)การเรียนรู้เชิงลึก↔ compare
- หน่วยความจำระยะสั้นแบบยาว (LSTM)การเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทแบบหลายรูปแบบโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมคอนโวลูชันหลายรูปแบบการเรียนรู้เชิงลึก↔ compare
- Multimodal Transformerการเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมแบบเวียนซ้ำ (Recurrent Neural Network - RNN)การเรียนรู้เชิงลึก↔ compare