В последние годы была проделана большая работа с нейронными сетями, где входные данные являются коллекцией.В частности, сверточные сети часто хорошо работают с N-мерными массивами (с использованием пространственной структуры), а рекуррентные нейронные сети, такие как LSTM, часто хорошо работают с данными временных рядов (с использованием временной структуры).
Я сейчас ищуна вопрос об использовании нейронных сетей для эвристического руководства поиском в доказательстве теорем.Одна из проблем здесь состоит в том, что вход принимает форму не массива, а набора предложений, где между предложениями не так много естественного упорядочения, и мы не можем сказать, что каждое предложение будет в основном взаимодействовать с соседними соседями вspace.
Помимо «пакета слов» для текстовых документов (который работает, потому что есть фиксированный словарь), есть все, что уже известно о том, какие архитектуры нейронных сетей хорошо работают для входных данных, которые не имеют естественного порядка