Dossier de preuve de méthode

FiLM

FiLM is a long-term time-series forecasting architecture introduced by Tian Zhou and colleagues at NeurIPS 2022. It combines Legendre polynomial projections of the historical input with learnable frequency-domain filters applied to the resulting coefficient sequences. By representing history as a compact set of polynomial coefficients and filtering those coefficients in the frequency domain, FiLM enables efficient extrapolation over long prediction horizons without the quadratic cost of full self-attention.

Sources recorded, not reviewed

Dossier source

Citations copiées telles quelles du dossier source de la méthode. Aucune vérification au niveau de la revendication n'en est déduite.

FiLM (Frequency Improved Legendre Memory Model)

Dossier de méthode taxonomique · ml-model / deep-learning

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. · URL

Ouvrir la méthode complète

Revendications organisées

Revendications enregistrées dans le registre de preuves, chacune avec sa propre évaluation.

Pas encore de revendications organisées

Cette vue n'invente pas d'évaluation de revendication lorsque le registre n'en contient aucune.

Méthodes apparentées

Généré à partir du graphe de méthodes et présenté comme des relations suggérées par la machine — aucune revendication de preuve n'est déduite.

Taxonomic bucketAutoformermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketFEDformermachine-suggested · Relational suggestion, not evidence.See alsoState Space Modelmachine-suggested · Relational suggestion, not evidence.