本研究解决了非视线成像中的非均匀采样问题，利用相位场框架和非均匀快速傅里叶变换，实现了稀疏测量的有效重建，提升了成像系统的灵活性和实时性。

本研究提出了一种新算法，解决RoPE机制在注意力计算中的复杂性，结合多项式方法与快速傅里叶变换，实现子平方时间性能，提升Transformer架构效率。

本研究提出了一种深度傅里叶嵌入网络（DFENet），利用快速傅里叶变换解决双模态显著目标检测中的计算复杂度和频率差距问题。DFENet通过模态协调感知注意机制和频率分解边缘感知模块，在四个基准数据集上超越了十二个现有模型。

本研究通过将整数随机变量的线性算术转化为张量操作，并结合快速傅里叶变换，解决了神经符号技术中的概率推理复杂性和梯度构建困难问题，提升了推理和学习效率。

本文提出了一种适用于高光谱图像重建的像素自适应深度展开变换 (PADUT) 方法，通过引入非局部光谱变换 (NST) 强调了 HSI 的 3D 特征，并通过快速傅里叶变换 (FFT) 改进了阶段交互。实验结果表明，PADUT 方法在高光谱图像重建方面具有卓越的性能。