تُجري هذه الورقة دراسة حول اختيار ودمج أفضل مُشفرات الميزات عبر عدة وسائط متعددة، ودمجها ضمن شبكة عصبية واحدة لتحسين كشف المشاعر. ونُقارن بين طرق دمج مختلفة ونُحلل تأثير التدريب متعدد الخسائر داخل الشبكة المدمجة متعددة الوسائط، مما يُفضي إلى نتائج مفاجئة تتعلق بأداء الأجزاء الفرعية. كما وجدنا أن دمج السياق يُعزز بشكل ملحوظ أداء النموذج. وحقق أفضل نموذج لدينا أداءً رائدًا في مجاله على ثلاث مجموعات بيانات (CMU-MOSI، CMU-MOSEI، وCH-SIMS). تشير هذه النتائج إلى خارطة طريق نحو تحسين اختيار ودمج الميزات لتعزيز كشف المشاعر في الشبكات العصبية.