Machine learningTime-series forecasting
FiLM: 주파수 개선 르장드르 메모리 모델
FiLM은 Tian Zhou와 동료들이 NeurIPS 2022에서 소개한 장기 시계열 예측 아키텍처입니다. 이 모델은 과거 입력의 르장드르 다항식 투영과 결과 계수 시퀀스에 적용되는 학습 가능한 주파수 영역 필터를 결합합니다. 역사를 간결한 다항식 계수 집합으로 표현하고 주파수 영역에서 해당 계수를 필터링함으로써, FiLM은 전체 자기 주의(self-attention)의 이차 비용 없이 긴 예측 지평선에 걸쳐 효율적인 외삽을 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/ko/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: 장기 시계열 예측을 위한 분해 트랜스포머딥러닝↔ compare
- FEDformer: 주파수 강화 분해 트랜스포머딥러닝↔ compare
- 상태 공간 모형 (칼만 필터)계량경제학↔ compare