FiLM: Frequency Improved Legendre Memory Model
FiLM és una arquitectura de predicció de sèries temporals a llarg termini introduïda per Tian Zhou i col·legues a NeurIPS 2022. Combina projeccions de polinomis de Legendre de l'entrada històrica amb filtres de domini de freqüència aprenibles aplicats a les seqüències de coeficients resultants. En representar la història com un conjunt compacte de coeficients polinòmics i filtrar aquests coeficients en el domini de freqüència, FiLM permet una extrapolació eficient en horitzons de predicció llargs sense el cost quadràtic de l'autoatenció completa.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Zhou, T., Ma, Z., Wen, Q., Sun, L., Yao, T., Yin, W., & Jin, R. (2022). FiLM: Frequency improved Legendre memory model for long-term time series forecasting. NeurIPS. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/ca/deep-learning/film
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AutoformerAprenentatge profund↔ compare
- FEDformer: Transformer millorat per freqüència per a la descomposicióAprenentatge profund↔ compare
- Model d'espai d'estats (Filtre de Kalman)Econometria↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →