用于纵向数据分析的张量循环神经网络
机器学习
2017-08-02 v1 计算机视觉与模式识别
机器学习
摘要
传统的循环神经网络假设向量化数据作为输入。然而，现代科学技术中的许多数据以特定结构呈现，例如张量时间序列数据。为了将循环神经网络应用于此类数据，需要进行向量化过程，而这种向量化会导致空间或纵向维度精确信息的丢失。此外，这种向量化数据也不是学习纵向数据表示的最优解。在本文中，我们提出了一种张量神经网络的新变体，它直接将张量时间序列数据作为输入。我们将这种新变体称为张量循环神经网络（TRNN）。所提出的 TRNN 基于张量 Tucker 分解。
引用
@article{arxiv.1708.00185,
title = {Tensorial Recurrent Neural Networks for Longitudinal Data Analysis},
author = {Mingyuan Bai and Boyan Zhang and Junbin Gao},
journal= {arXiv preprint arXiv:1708.00185},
year = {2017}
}