nlp - Seq2Seq 模型是否仅用于时间序列？

Question

我们可以将 Seq2Seq 模型与没有时间关系（不是时间序列）的输入数据一起使用吗？例如，我有一个图像区域列表，我想提供给我的 seq2seq 模型。并且模型应该预测描述（输出是时间序列|）或标题。

我不是从技术角度询问，我知道如果数据格式正确，那么我可以做到。我的问题是相当理论上的，可以在没有时间序列数据的情况下使用 Seq2Seq 吗？在此设置中是否有使用 Seq2Seq 的论文/文章/参考资料？

标签： nlpcomputer-visionlstmseq2seq

Answer 1

不，它必须是一个类似要求的序列。

Klaus Greff 等人，LSTM：A Search Space Odyssey，2015 年：由于 LSTM 能够有效地捕获长期时间依赖性，而不会受到困扰简单循环网络 (SRN) 的优化障碍的影响，因此它们已被用于推进状态解决许多难题的艺术。这包括手写识别和生成、语言建模和翻译、语音声学建模、语音合成、蛋白质二级结构预测、音频和视频数据分析等。

Felix A. Gers 等人，Learning to Forget：Continual Prediction with LSTM，2000：LSTM 有望用于任何我们怀疑可能存在分层分解但事先不知道这种分解是什么的顺序处理任务。