ScholarGate
Pembantu
Machine learningTime-series forecasting

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log 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 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.

Compare side by side

Dirujuk oleh

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