Fast symmetric additive covariance smoothing

یک روش دو بعدی سریع برای سطوح متقارن پیشنهاد شده است که دارای طیف گسترده ای از برنامه های کاربردی است. نشان داده شده است که چگونه می توان آن را برای تخمین عملکرد کوواریانس در داده های طولی و همچنین چندین متغیر افزودنی در داده های عملکردی با ساختار همبستگی پیچیده استفاده کرد. نرمی متقارن پیشنهاد می تواند داده ها (احتمالا پر سر و صدا) را بر روی یک شبکه معمولی و متراکم، و همچنین داده های نامنظم و یا ضعیف نمونه گیری، نمونه برداری کند. برآورد براساس صاف کردن اسپینین دوجانبه جریمه شده با استفاده از مدل ارائه شده مخلوط مدل و تقارن برای کاهش زمان محاسبه در مقایسه با معمولی غیر متقارن کننده استفاده می شود. استفاده از رویکرد در تجزیه و تحلیل مولفه های اصلی عملکرد برای مدل های ترکیبی بسیار کاربردی خطی مختلط مشخص شده است و ارزش عملی آن در دو کاربرد نشان داده شده است. این روش در شبیه سازی های گسترده مورد ارزیابی قرار می گیرد. نرم افزاری که دارای نرم افزار منبع باز است ارائه شده است که ساختمان ساختاری دو بعدی ساده را به صورت الگوریتم های ساخته شده برای مدل های افزودنی اجرا می کند.