Preguntas etiquetadas con r

Tengo que resolver varios problemas desafiantes de optimización global no convexo. Actualmente uso la Caja de herramientas de optimización de MATLAB (específicamente, fmincon()con algoritmo = 'sqp'), que es bastante eficaz . Sin embargo, la mayor parte de mi código está en Python, y me encantaría...

Los sistemas lineales dispersos aparecen con frecuencia creciente en las aplicaciones. Uno tiene muchas rutinas para elegir para resolver estos sistemas. En el nivel más alto, existe una línea divisoria entre los métodos directos (p. Ej., Eliminación gaussiana escasa o descomposición de Cholesky,...

Que yo sepa, hay 4 formas de resolver un sistema de ecuaciones lineales (corríjame si hay más): Si la matriz del sistema es una matriz cuadrada de rango completo, puede usar la Regla de Cramer; Calcule el inverso o el seudoinverso de la matriz del sistema; Utilice métodos de descomposición...

Si tengo una matriz invertible cuadrada y tomo su determinante, y encuentro que , ¿implica esto que la matriz está mal condicionada?det(A)≈0det(A)≈0\det(A) \approx 0 ¿Lo inverso también es cierto? ¿Una matriz mal acondicionada tiene un determinante casi cero? Aquí hay algo que probé en Octave: a...

Tengo matrices y G . A es escaso y es n × n con n muy grande (puede ser del orden de varios millones). G es una matriz alta de n × m con m bastante pequeño ( 1 < m < 1000 ) y cada columna solo puede tener una sola 1 entrada con el resto siendo 0 's, de tal manera que G T G = I . A es enorme,...

Existen varias bibliotecas diferentes que resuelven un sistema lineal de ecuaciones disperso, sin embargo, me resulta difícil descubrir cuáles son las diferencias. Por lo que puedo decir, hay tres paquetes principales: Trilinos , PETSc e Intel MKL . Todos pueden hacer soluciones de matriz...

Estoy buscando una biblioteca de tensor C ++ que admita código independiente de dimensión. Específicamente, necesito realizar operaciones a lo largo de cada dimensión (hasta 3), por ejemplo, calcular una suma ponderada. Las dimensiones son un parámetro de plantilla (y, por lo tanto, una constante...

Estoy interesado en casos en los que el gradiente Conjugate funciona mucho mejor que el método GMRES. En general, CG es la opción preferible en muchos casos de SPD (simétrica-positiva-definida) porque requiere menos almacenamiento y el límite teórico en la tasa de convergencia para CG es el doble...

Acabo de instalar una tarjeta gráfica Nvidia GT660 en mi escritorio y, después de una lucha, me las arreglo para interactuar con R. He estado jugando con varios paquetes de R que las GPU utilizando, especialmente gputools, y yo estaba comparando el tiempo empleado por mi GPU y CPU para realizar...

Me gustaría saber si hay una manera rápida de calcular la distancia euclidiana de dos vectores en Octave. Parece que no hay una función especial para eso, así que ¿debería usar la fórmula con

Estoy muy impresionado con el rendimiento en serie de los preacondicionadores de ILU basados ​​en inversos multinivel , particularmente para Helmholtz heterogéneo , pero me sorprende no poder encontrar ninguna implementación de código abierto. En particular, ILUPACK pone los binarios a disposición...

Pregunta: Suponga que tiene dos preacondicionadores diferentes (factorizados) para una matriz simétrica positiva definida : y donde las inversas de los factores son Fácil de aplicar.UNUNAA ≈ BTsiUN≈siTsiA \approx B^TBA ≈ CTC,UN≈CTC,A \approx C^TC,B , BT, C, CTsi,siT,C,CTB, B^T, C, C^T Cuando...

En la simulación de semiconductores, es común que las ecuaciones se escalen para que tengan valores normalizados. Por ejemplo, en casos extremos, la densidad de electrones en semiconductores puede variar en más de 18 órdenes de magnitud, y el campo eléctrico puede cambiar de forma, en más de 6 (o...

Supongamos que tenemos un sistema lineal y no sabemos nada sobre su condicionamiento y no tenemos información preliminar sobre la solución. Aplicamos ciegamente la eliminación gaussiana y obtenemos alguna solución XXx . ¿Es posible determinar si esta solución es confiable (es decir, que el sistema...

Me pregunto si el algoritmo de Thomas es la forma más rápida (¿probablemente?) De resolver un sistema tridiagonal disperso simétrico que domina diagonalmente en términos de complejidad algorítmica (no busca paquetes de implementación como LAPACK, etc.). Sé que tanto el algoritmo de Thomas como la...

Según la respuesta aquí , un número de condición grande (para la resolución lineal del sistema) disminuye el número garantizado de dígitos correctos en la solución de coma flotante. Las matrices de diferenciación de orden superior en los métodos pseudoespectrales suelen estar muy mal condicionadas....

Los números de punto flotante de precisión simple ocupan la mitad de la memoria y en máquinas modernas (incluso en GPU parece) las operaciones se pueden hacer con ellos a casi el doble de velocidad en comparación con la precisión doble. Muchos códigos FDTD que he encontrado utilizan exclusivamente...

En métodos como gmres o bicgstab, podría ser atractivo utilizar otro método krylov como preacondicionador. Después de todo, son fáciles de implementar de forma libre de matriz y en un entorno paralelo. Por ejemplo, uno podría usar algunas (digamos ~ 5) iteraciones de bigcstab sin preacondicionar...

Multigrid (MG) puede usarse para resolver un sistema lineal construyendo una conjetura inicial x 0 y repitiendo lo siguiente para i = 0 , 1 .. hasta la convergencia:Ax=bAx=bAx=bx0x0x_0i=0,1..i=0,1..i=0,1.. Calcule el residuo ri=b−Axiri=b−Axir_i = b-Ax_i Aplique un ciclo de cuadrículas múltiples...

Necesito resolver el mismo sistema lineal disperso (300x300 a 1000x1000) con muchos lados derechos (300 a 1000). Además de este primer problema, también me gustaría resolver diferentes sistemas, pero con los mismos elementos distintos de cero (solo valores diferentes), es decir, muchos sistemas...