دانلود مقاله یک الگوریتم LSQR موازی مقیاس پذیر برای حل خطی در مقیاس بزرگ سیستم برای مشکلات توموگرافی
موضوع انگلیسی:A scalable parallel LSQR algorithm for solving large-scale linear
system for tomographic problems
زبان: انگلیسی
فرمت فایل: pdf
تعداد صفحه:10
سال انتشار:2013
چکیده
روش حداقل مربعات با روش QR-factorization (LSQR) یک الگوریتم زیر فضایی کریلوف است که برای حل سیستم های خطی پراکنده مستطیلی برای مشکلات توموگرافی استفاده می شود. پیاده سازی های موازی سنتی LSQR بسته به موارد مختلف دارای پتانسیل بالایی هستند
ساختار غیر صفر ماتریس ، تا هزینه ارتباط قابل توجهی داشته باشد. هزینه ارتباطات می تواند به طور چشمگیری محدود شود
مقیاس پذیری الگوریتم در تعداد هسته های بزرگ. ما یک الگوریتم LSQR موازی مقیاس پذیر را توصیف می کنیم که از خاص استفاده می کند
ساختار غیر صفر ماتریس ها که در مشکلات توموگرافی رخ می دهد. به طور خاص ، ما به طور خاص جزء هسته را درمان می کنیم
ماتریس ، که نسبتاً متراکم با ساختار تصادفی است ، و جزء میرایی ، که بسیار کم و بسیار زیاد است
به طور جداگانه ساختار یافته است الگوریتم حاصله دارای حجم ارتباطی مقیاس پذیر با تعداد محدودی از همسایگان ارتباطی بدون در نظر گرفتن تعداد هسته است. ما مطالعات مقیاس بندی از مجموعه داده های توموگرافی لرزه ای واقعی را ارائه می دهیم که خوب را نشان می دهد
مقیاس پذیری تا O (10 ، 000) هسته در یک خوشه Cray XT
