Seq2Seq模型是否仅用于时间序列？

Question

我们可以使用输入数据没有时间关系(不是时间序列)的Seq2Seq模型吗？例如，我有一个图像区域列表，我希望将其提供给我的seq2seq模型。模型应该预测描述(输出是时间序列|)或标题。

我不是从技术角度来问，我知道如果数据的格式是正确的，那么我可以这样做。我的问题是理论上的，可以使用没有时间序列数据的Seq2Seq吗？在这种情况下有没有关于使用Seq2Seq的论文/文章/参考资料？

Answer 1

不，它只需要是一个类似于需求的序列。

Klaus Greff, et al., LSTM: A Search Space Odyssey, 2015：由于LSTM在捕获长期时间依赖性方面是有效的，而不会受到困扰简单递归网络(SRN)的优化障碍的困扰，因此它们已被用于提高许多困难问题的技术水平。这包括手写识别和生成、语言建模和翻译、语音的声学建模、语音合成、蛋白质二级结构预测、音频分析和视频数据等。

Felix A. Gers, et al., Learning to Forget: Continual Prediction with LSTM, 2000：LSTM支持任何顺序处理任务，在这些任务中，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。