Seq2Seq 模型是否仅用于时间序列？

【问题标题】：Is Seq2Seq Models used for Time series only?Seq2Seq 模型是否仅用于时间序列？
【发布时间】：2021-02-10 22:17:19
【问题描述】：

我们可以对没有时间关系（不是时间序列）的输入数据使用 Seq2Seq 模型吗？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？在此设置中是否有任何使用 Seq2Seq 的论文/文章/参考资料？

【问题讨论】：

【解决方案1】：

不，它必须是一个类似需求的序列。

Klaus Greff, et al., LSTM: A Search Space Odyssey, 2015：由于 LSTM 可以有效地捕捉长期的时间依赖性，而不会受到困扰简单循环网络 (SRN) 的优化障碍的困扰，因此它们已被用于推进许多难题的最新技术。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, et al., 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。

【讨论】：