FiLM: Model Memori Legendre yang Ditingkatkan Frekuensinya
FiLM ialah seni bina ramalan siri masa jangka panjang yang diperkenalkan oleh Tian Zhou dan rakan-rakannya di NeurIPS 2022. Ia menggabungkan unjuran polinomial Legendre bagi input sejarah dengan penapis domain frekuensi yang boleh dipelajari yang digunakan pada urutan pekali yang terhasil. Dengan mewakili sejarah sebagai satu set pekali polinomial yang padat dan menapis pekali tersebut dalam domain frekuensi, FiLM membolehkan ekstrapolasi yang cekap merentasi ufuk ramalan yang panjang tanpa kos kuadratik perhatian kendiri penuh.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 memetik halaman ini
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/ms/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: Penghuraian Transformer untuk Ramalan Deret Masa Jangka PanjangPembelajaran Mendalam↔ compare
- FEDformer: Transformer Terperluas FrekuensiPembelajaran Mendalam↔ compare
- Model Ruang Keadaan (Penuras Kalman)Ekonometrik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →