FiLM: Vylepšený Legendreho pamäťový model založený na frekvencii
FiLM je architektúra na dlhodobé predpovedanie časových radov, ktorú predstavili Tian Zhou a kolektív na konferencii NeurIPS 2022. Kombinuje projekcie Legendreho polynómov historických vstupov s naučiteľnými filtrami v frekvenčnej oblasti aplikovanými na výsledné sekvencie koeficientov. Reprezentáciou histórie ako kompaktnej sady polynomiálnych koeficientov a filtrovaním týchto koeficientov vo frekvenčnej oblasti umožňuje FiLM efektívnu extrapoláciu na dlhé predpovedné horizonty bez kvadratických nákladov plnej samopozornosti.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). FiLM (Frequency Improved Legendre Memory Model). ScholarGate. https://scholargate.app/sk/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: dekompozičný Transformer pre dlhodobé časové radyHlboké učenie↔ compare
- FEDformer: Frekvenčne vylepšený dekomponovaný TransformerHlboké učenie↔ compare
- Model priestorového stavu (Kalmanov filter)Ekonometria↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →