FiLM: Model s vylepšenou frekvencí a Legendreovou pamětí
FiLM je architektura pro dlouhodobé předpovídání časových řad, kterou představili Tian Zhou a kolegové na konferenci NeurIPS 2022. Kombinuje projekce historických vstupů pomocí Legendreových polynomů s naučitelnými filtry v frekvenční oblasti aplikovanými na výsledné sekvence koeficientů. Reprezentací historie jako kompaktní sady polynomiálních koeficientů a filtrováním těchto koeficientů ve frekvenční oblasti umožňuje FiLM efektivní extrapolaci na dlouhé předpovědní horizonty bez kvadratických nákladů plné self-attention.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/cs/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.
- Autoformer: Transformer s dekompozicí pro dlouhodobé časové řadyHluboké učení↔ compare
- FEDformer: Frekvenčně vylepšený dekomponovaný TransformerHluboké učení↔ compare
- Model stavového prostoru (Kalmanův filtr)Ekonometrie↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →