深層学習が関数型時系列のスペクトル密度推定を加速

この論文では、特に大規模ドメインで定義された関数型時系列のスペクトル密度推定における計算ボトルネックに対処するための、新しい深層学習アプローチが提示されています。大規模な自己共分散カーネルを計算する必要性を回避することで、提案された方法は大幅な高速化を実現し、これまで扱いにくかったデータセットの分析を可能にします。fMRI画像への応用は、この技術の実用性と潜在的な影響を示しています。

• •関数型時系列のスペクトル密度に対する深層学習推定量が提案されています。
• •大規模な自己共分散カーネルの計算を回避し、より高速な計算を可能にします。
• •シミュレーションとfMRI画像への適用によって検証されています。