ScholarGate
Asisten
Machine learningTime-series forecasting

FiLM: Model Memori Legendre yang Ditingkatkan Frekuensinya

FiLM adalah arsitektur peramalan deret waktu jangka panjang yang diperkenalkan oleh Tian Zhou dan rekan-rekannya di NeurIPS 2022. Model ini menggabungkan proyeksi polinomial Legendre dari masukan historis dengan filter domain frekuensi yang dapat dipelajari yang diterapkan pada urutan koefisien yang dihasilkan. Dengan merepresentasikan histori sebagai kumpulan koefisien polinomial yang ringkas dan memfilter koefisien tersebut di domain frekuensi, FiLM memungkinkan ekstrapolasi yang efisien pada cakrawala prediksi yang panjang tanpa biaya kuadratik dari perhatian penuh (self-attention).

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. 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

Cara menyitasi halaman ini

ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/id/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.

Compare side by side

Dirujuk oleh

ScholarGateFiLM (FiLM (Frequency Improved Legendre Memory Model)). Diakses 2026-06-15 dari https://scholargate.app/id/deep-learning/film · Set data: https://doi.org/10.5281/zenodo.20539026