该文综述深度核方法，将深度学习架构与核方法灵活性结合，通过局部核插值、Kronecker与Toeplitz代数实现可伸缩性，学习推断代价O(n)、预测O(1)。涵盖深度核机器、卷积DGP、TDGP及核字典学习等，在MNIST、CIFAR上取得高准确率并降低计算成本。