Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 5

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  sparse matrices
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Efficient bandwidth compression in sparse matrices
100%
EN
The first of new methods performs quick sorting of the rows and columns without explicit usage of bandwidth criterion. The second swapping method and the third - simulated annealing - rely on direct application of bandwidth optimisation criterion. These methods are compared with classic reverse Cuthill - McKee method and Akyuz and Utku method.
PL
Pierwsza z nowych metod dokonuje szybkiego sortowania wierszy i kolumn bez jawnego użycia kryterium szerokosci pasma. Druga - metoda progowa oraz trzecia - symulowanego wyżarzania - polegają na bezpośrednim zastosowaniu kryterium optymalizacji wartosci szerokości pasma. Metody te zostały porównane z klasyczną odwrotna metodą Cuthill-Mc-Kee oraz z metodą Akyuza-Utku.
2
Content available remote New high performance algorithms for sparse matrix envelope compression
75%
EN
The first of new methods defines the row weights and performs quick sorting of the rows and columns using weights criterion. The second method relies on swapping with diminishing threshold in order to find true global optimum. The third methods is a completely redeveloped and modified simulated annealing method. All three methods are compared with two classic algorithms. Matrices used in the tests are more exacting as in other tests up to date.
PL
Pierwsza z nowych metod definiuje wagi wierszy macierzy oraz wykonuje szybkie sortowanie wierszy i kolumn używając kryterium wagi. Druga metoda polega na przestawianiu wierszy ze zmniejszającą się wartością progową aż do znalezienia minimum globalnego. Trzecia metoda jest całkowicie zmodyfikowaną metodą symulowanego wyżarzania. Wszystkie trzy metody porównano z dwoma algorytmami klasycznymi. Użyte w testach macierze są trudniejsze do skompresowania niż w innych dotychczasowych testach.
EN
In the present work we describe HPEC (High Performance Eigenvalues Computation), a parallel software package for the evaluation of some eigenvalues of a large sparse symmetric matrix. It implements an efficient and portable Block Lanczos algorithm for distributed memory multicomputers. HPEC is based on basic linear algebra operations for sparse and dense matrices, some of which have been derived by ScaLAPACK library modules. Numerical experiments have been carried out to evaluate HPEC performance on a cluster of workstations with test matrices from Matrix Market and Higham’s collections. A comparison with a PARPACKroutine is also detailed. Finally, parallel performance is evaluated on random matrices, using standard parameters.
EN
The paper studies the conjugate gradient method for solving systems of linear algebraic equations with symmetric sparse matrices that arise when the finite-element method is applied to the problems of structural mechanics. The main focus is on designing effective preconditioning and parallelizing the method for multi-core desktop computers. Preconditioning is based on the incomplete Cholesky “by value” factorization method and implemented based on the technique of sparse matrices, which allows increasing convergence considerably without a significant increase of the computer's resources. Parallelization is implemented for the incomplete factorization as well as for iterative process stages. The method is integrated into the SCAD software package (www.scadsoft.com). The paper includes a discussion of the results of calculations done with direct and iterative methods for large-scale design models of tall buildings, originally from the SCAD Soft1 problem collection.
5
Content available remote Incomplete column-row factorization method for general sparse matrices
51%
|
|
tom R. 86, nr 1
127-129
EN
Incomplete column-row factorization method is proposed. This method does not require permutations of rows and columns in submatrices. Calculable stability of the method is provided by search of pivots in submatrices to minimize divergence on the Frobenius norm between the transformed and regenerate submatrices. Significance of entries of the factor matrices is specified by comparison of norms of rows and columns of transformed and subtracted submatrices. The new method requires less memory than AINV, ILUT and RIF-Ns methods.
PL
Artykuł proponuje niekompletną faktoryzację kolumnowo-wierszową, która nie wymaga permutacji wierszy ani kolumn podmacierzy. Stabilność obliczeń jest zapewniana przez wybór elementów dominujących aby zminimalizować normę Frobeniusa dla odpowiednich podmacierzy. Znaczenie współczynników jest określane przez porównanie norm wierszy i kolumn. Nowa metoda ma mniejsze zapotrzebowanie na pamięć, niż AINV, ILUT i RIF-N.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.