Machine learningTime-series forecasting
FiLM: Frequency Improved Legendre Memory Model
FiLMは、Tian ZhouらがNeurIPS 2022で発表した長期時系列予測アーキテクチャである。これは、入力履歴のLegendre多項式射影と、結果として得られる係数系列に適用される学習可能な周波数ドメインフィルタを組み合わせたものである。履歴をコンパクトな多項式係数の集合として表現し、それらの係数を周波数ドメインでフィルタリングすることにより、FiLMは完全な自己注意機構の二次コストなしに、長い予測ホライズンにわたる効率的な外挿を可能にする。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/ja/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.
- Autoformer: 長期時系列予測のための分解Transformer深層学習↔ compare
- FEDformer: 周波数強調型分解トランスフォーマー深層学習↔ compare
- 状態空間モデル（カルマンフィルタ）計量経済学↔ compare