FiLM: Sagedustäiustatud Legendre'i mälu mudel
FiLM on pikaajalise aegridade prognoosimise arhitektuur, mille tutvustasid Tian Zhou ja kolleegid NeurIPS 2022 konverentsil. See kombineerib ajaloolise sisendi Legendre'i polünoomprojektsioone õpitavate sagedusdomeeni filtritega, mida rakendatakse saadud koefitsiendijadadele. Kujutades ajalugu kompaktse polünoomkoefitsientide kogumina ja filtreerides neid koefitsiente sagedusdomeenis, võimaldab FiLM tõhusat ekstrapoleerimist pikkade prognoosihorisontide korral ilma täieliku enesetähelepanu (self-attention) ruutkuluta.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/et/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.
- AutoformerSüvaõpe↔ compare
- FEDformer: sagedustõhustatud dekomponeeritud TransformerSüvaõpe↔ compare
- Oleku ruum mudel (Kalmani filter)Ökonomeetria↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →