البيانات المتسلسلة مثل السلاسل الزمنية أو الفيديو أو النصوص يمكن أن تكون صعبة التحليل نظرًا لأن البنية المرتبة تولد اعتمادًا معقدًا. في جوهر هذه المشكلة تكمن الظاهرة غير التبادلية، أي أن إعادة ترتيب عناصر التسلسل يمكن أن تغير تمامًا معناها. نستخدم كائنًا رياضيًا كلاسيكيًا — الجبر التنسوري — لالتقاط هذه الاعتماديات. وللتغلب على التعقيد الحسابي المتأصّل في التنسورات ذات الدرجة العالية، نعتمد على تركيبات التصوير التنسوري من الرتبة المنخفضة. وهذا ينتج كتل بنائية معيارية وقابلة للتوسع لشبكات عصبية، تحقق أداءً متقدمًا على مستوى الحد الأقصى في المعايير القياسية، مثل تصنيف السلاسل الزمنية متعددة المتغيرات، ونماذج التوليد الخاصة بالفيديو.