FiLM: Model poboljšan frekvencijom za pamćenje Legendreovih polinoma
FiLM je arhitektura za dugoročno prognoziranje vremenskih nizova koju su predstavili Tian Zhou i suradnici na NeurIPS-u 2022. Kombinira projekcije Legendreovih polinoma povijesnog ulaza s naučivim filtrima u frekvencijskoj domeni primijenjenim na rezultirajuće sekvence koeficijenata. Predstavljanjem povijesti kao kompaktnog skupa polinomnih koeficijenata i filtriranjem tih koeficijenata u frekvencijskoj domeni, FiLM omogućuje učinkovitu ekstrapolaciju na dugim horizontima predviđanja bez kvadratnog troška potpune samopažnje.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/hr/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.
- AutoformerDuboko učenje↔ compare
- FEDformer: Transformer s poboljšanom frekvencijom i dekompozicijomDuboko učenje↔ compare
- Model prostora stanja (Kalmanov filtar)Ekonometrija↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →