FiLM: Modelo de Memoria Legendre con Frecuencia Mejorada
FiLM es una arquitectura de pronóstico de series temporales a largo plazo introducida por Tian Zhou y colegas en NeurIPS 2022. Combina proyecciones de polinomios de Legendre de la entrada histórica con filtros aprendibles en el dominio de la frecuencia aplicados a las secuencias de coeficientes resultantes. Al representar el historial como un conjunto compacto de coeficientes polinomiales y filtrar esos coeficientes en el dominio de la frecuencia, FiLM permite una extrapolación eficiente sobre horizontes de predicción largos sin el costo cuadrático de la autoatención completa.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/es/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.
- AutoformerAprendizaje profundo↔ compare
- FEDformer: Transformador con Decomposición y Mejora de FrecuenciaAprendizaje profundo↔ compare
- Modelo de espacio de estados (Filtro de Kalman)Econometría↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →