FiLM: Modello di Memoria a Frequenza Migliorata di Legendre
FiLM è un'architettura di previsione di serie temporali a lungo termine introdotta da Tian Zhou e colleghi alla NeurIPS 2022. Combina proiezioni di polinomi di Legendre dell'input storico con filtri nel dominio della frequenza addestrabili applicati alle sequenze di coefficienti risultanti. Rappresentando la storia come un insieme compatto di coefficienti polinomiali e filtrando tali coefficienti nel dominio della frequenza, FiLM consente un'estrapolazione efficiente su orizzonti di previsione lunghi senza il costo quadratico dell'auto-attenzione completa.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/it/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.
- AutoformerApprendimento profondo↔ compare
- FEDformerApprendimento profondo↔ compare
- Modello a Spazio di Stati (Filtro di Kalman)Econometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →