深度学习加速函数时间序列的谱密度估计
分析
本文提出了一种新的深度学习方法，旨在解决函数时间序列谱密度估计中的计算瓶颈，特别是那些定义在大型域上的序列。通过避免计算大型自协方差核，该方法显著提高了速度，并能够分析以前难以处理的数据集。在fMRI图像上的应用证明了该技术的实际相关性和潜在影响。
引用 / 来源
查看原文"Our estimator can be trained without computing the autocovariance kernels and it can be parallelized to provide the estimates much faster than existing approaches."