FiLM: Modèle de mémoire de Legendre à fréquence améliorée

FiLM est une architecture de prévision de séries temporelles à long terme introduite par Tian Zhou et ses collègues à NeurIPS 2022. Elle combine des projections polynomiales de Legendre de l'entrée historique avec des filtres apprenables dans le domaine fréquentiel appliqués aux séquences de coefficients résultantes. En représentant l'historique comme un ensemble compact de coefficients polynomiaux et en filtrant ces coefficients dans le domaine fréquentiel, FiLM permet une extrapolation efficace sur de longs horizons de prévision sans le coût quadratique de l'auto-attention complète.