Machine learningTime-series forecasting
FiLM: מודל זיכרון לז'נדר משופר תדר
FiLM היא ארכיטקטורה לחיזוי סדרות עתיות ארוכות טווח שהוצגה על ידי טיאן ז'ו ועמיתיו ב-NeurIPS 2022. היא משלבת היטלי פולינומי לז'נדר של הקלט ההיסטורי עם מסנני תדרים ניתנים ללמידה המיושמים על רצפי המקדמים המתקבלים. על ידי ייצוג היסטוריה כקבוצה קומפקטית של מקדמי פולינום וסינון מקדמים אלה בתחום התדר, FiLM מאפשר אקסטרפולציה יעילה על פני אופקי חיזוי ארוכים ללא העלות הריבועית של מנגנון קשב עצמי מלא.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/he/deep-learning/film
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- Autoformer: טרנספורמר מבוסס פירוק לחיזוי סדרות עתיות ארוכות טווחלמידה עמוקה↔ השוואה
- FEDformer: טרנספורמר משופר-תדרלמידה עמוקה↔ השוואה
- מודל מרחב מצב (מסנן קלמן)אקונומטריקה↔ השוואה