#107
summarized by : Takuma Yagi
Memory in Memory: A Predictive Neural Network for Learning Higher-Order Non-Stationarity From Spatiotemporal Dynamics

どんな論文か?

降水量などの時空間的な確率過程において高次の非定常性を扱うためのMemory In Memory (MIM)モジュールを提案。将来予測タスクにおける性能を検証。
placeholder

新規性

状態遷移におけるボトルネックに注目し、Difference-stationary assumptionに基づく高次の非定常性とそれを陽に取り扱うモジュールを提案した点。

結果

Moiving MNISTおよび交通量、降水量予測、Human3.6Mで先行手法(FRNN、PredRNNなど)に比べ高性能。

その他(なぜ通ったか?等)

問題意識とストーリーははっきりしているがモジュール構造は複雑で提案法の効果がどの程度実世界データの性質を捉えているかが不明。複数データセットで改善を確認しているのは◎。