FiLM: Modelo de Memória de Legendre com Frequência Aprimorada
FiLM é uma arquitetura de previsão de séries temporais de longo prazo introduzida por Tian Zhou e colegas na NeurIPS 2022. Ela combina projeções de polinômios de Legendre da entrada histórica com filtros aprendíveis no domínio da frequência aplicados às sequências de coeficientes resultantes. Ao representar o histórico como um conjunto compacto de coeficientes polinomiais e filtrar esses coeficientes no domínio da frequência, o FiLM permite extrapolação eficiente em longos horizontes de previsão sem o custo quadrático da autoatenção completa.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/pt/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.
- AutoformerAprendizado profundo↔ compare
- FEDformer: Transformer com Decomposição e Aumento de FrequênciaAprendizado profundo↔ compare
- Modelo de Espaço de Estados (Filtro de Kalman)Econometria↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →