विलक्षण मूल्य अपघटन के लिए एल्गोरिदम के बारे में कला की वर्तमान स्थिति क्या है?


12

मैं एक हेडर-ओनली मैट्रिक्स लाइब्रेरी पर काम कर रहा हूँ, जहाँ तक संभव हो, एक साधारण पैकेज में रैखिक बीजगणित क्षमता की कुछ उचित डिग्री प्रदान की जा सकती है, और मैं यह सर्वेक्षण करने की कोशिश कर रहा हूँ कि कला की वर्तमान स्थिति क्या है: SVD की गणना जटिल मैट्रिक्स।

मैं द्वि-चरणीय अपघटन कर रहा हूं, द्विआधारीकरण के बाद एकवचन मान संगणना होती है। अभी मैं बिडियोऑनलाइज़ेशन के लिए गृहस्वामी पद्धति का उपयोग कर रहा हूं (मेरा मानना ​​है कि LAPACK इस का भी उपयोग करता है), और मुझे लगता है कि यह उतना ही अच्छा है जितना कि वर्तमान में मिलता है (जब तक कि किसी को इसके बारे में एल्गोरिदम का पता नहीं है ..) । O(N2)

विलक्षण मान अभिकलन मेरी सूची में अगला है, और आम एल्गोरिदम ऐसा करने के लिए मैं कुछ हद तक लूप से बाहर हूं। मैंने यहां पढ़ा कि अनुसंधान एक व्युत्क्रम-पुनरावृत्ति विधि की ओर बढ़ रहा था जो जटिलता के साथ रूढ़िवाद की गारंटी देता है। मुझे उस या अन्य अग्रिमों के बारे में सुनने में दिलचस्पी होगी।O(N)


क्या आपके हेडर-ओनली मैट्रिक्स लीब (.h के अलावा) के लिए डॉक्टर है? कृपया टैग "svd" भी जोड़ें।
डेसीस

जवाबों:


7

"यादृच्छिक एल्गोरिदम" हाल ही में आंशिक svds के लिए काफी लोकप्रिय हो गए हैं। केवल शीर्षलेख को ही यहाँ डाउनलोड किया जा सकता है: http://code.google.com/p/redsvd/

वर्तमान तरीकों की समीक्षा यहां देखी जा सकती है: http://arxiv.org/abs/0909.4061

पूर्ण svds के लिए मुझे यकीन नहीं है कि आप हाउसहोल्डर से बेहतर कर सकते हैं।


यह बहुत दिलचस्प लगता है, मुझे उस सर्वेक्षण पत्र पर एक नज़र डालना होगा, धन्यवाद!
GCT

ओपी घने मेट्रिसेस के लिए एल्गोरिदम में रुचि रखता है। मुझे नहीं लगता कि यादृच्छिक एल्गोरिदम उस सेटिंग में प्रतिस्पर्धी हैं, अगर वे बिल्कुल काम करते हैं।
फेडरिको पोलोनी

इस पोस्ट ने संकेत दिया कि रैंडमाइज्ड तरीके घने
मैट्रीस

@dranxo उस पोस्ट पर बिल्कुल भी सटीकता की तुलना नहीं है, और समय के परिणाम बहुत जटिल नहीं लगते हैं। इसके अलावा, यादृच्छिक एल्गोरिदम एक छोटे पैमाने की समस्या के प्रक्षेपण + सटीक समाधान पर आधारित हैं। इसका मतलब यह है कि ओपी को परिणामी लघु-स्तरीय समस्या के लिए "मानक पद्धति" के कार्यान्वयन की आवश्यकता होगी।
फेडेरिको पोलोनी

काफी उचित। हालांकि मैं थोड़ा उलझन में हूं कि हमें यह क्यों सोचना चाहिए कि ये विधियां केवल विरल मैट्रिस पर काम करती हैं। जोएल ट्रूप के पेपर के सार के बाहर: "एक घने इनपुट मैट्रिक्स के लिए, यादृच्छिक एल्गोरिदम को शास्त्रीय एल्गोरिदम के लिए ओ (एमएनके) के विपरीत ओ (एमएन लॉग (के)) फ्लोटिंग-पॉइंट ऑपरेशन (फ्लॉप) की आवश्यकता होती है।" arxiv.org/pdf/0909.4061v2.pdf
dranxo

4

O(N)

(मैं केवल कुछ टिप्पणियां करना चाहता था क्योंकि मेरे पास विवरण लिखने का समय नहीं है, लेकिन यह टिप्पणी बॉक्स के लिए बहुत बड़ा है।)

LDLUDU

एल्गोरिथ्म का "एकवचन मूल्य" भाग, दूसरी ओर, (स्थानांतरित) अंतर भागफल अंतर (dqd (s)) एल्गोरिथ्म से आता है , जो फर्नांडो, पैलेट , डेमेल और काहन द्वारा पिछले कार्य की प्रेरणा है (प्रेरणा के साथ) Heinz Rutishauser से)।

जैसा कि आप जानते हैं कि एसवीडी विधियां आमतौर पर एक द्विदिशीय अपघटन के साथ आगे बढ़ती हैं, इससे पहले कि एकवचन मान बिदिओग्रोन मैट्रिक्स से प्राप्त होते हैं। दुर्भाग्य से मैं फ्रंट-एंड बिदिओगनल अपघटन के लिए वर्तमान सर्वोत्तम विधि पर अपडेट नहीं हूं; अंतिम मैंने जाँच की, सामान्य विधि है कि स्तंभ धुरी के साथ क्यूआर अपघटन के साथ शुरू करें और फिर त्रिभुजाकार कारक के लिए उचित रूप से अंततः द्विभुज अपघटन प्राप्त करने के लिए उचित रूप से रूढ़िवादी परिवर्तन लागू करें।

मैं समझता हूं कि मैं विवरण के साथ कंजूसी कर रहा हूं; मैं अपने पुस्तकालय तक पहुँच पाने के बाद इस उत्तर को और आगे बढ़ाने की कोशिश करूँगा ...


द्वि-विकर्ण रूप में मैट्रिक्स, एक स्तंभ करें, फिर एक पंक्ति, विकर्ण को दोहराएं: तिरछे स्तंभ को शून्य करने के लिए givens या गृहस्थ का उपयोग करें, फिर पंक्ति को सुपर-विकर्ण के लिए भी करें।
एडम डब्ल्यू।

UAVUU=IVV=I

0

PROPACK और nu-TRLan लाइब्रेरी हैं।

http://soi.stanford.edu/~rmunk/PROPACK/

http://crd-legacy.lbl.gov/~kewu/trlan/


2
यहां, पोस्टर पुस्तकालयों के बजाय एल्गोरिदम के लिए पूछ रहा है; इसके बजाय आप इन पुस्तकालयों में उपयोग किए जा रहे एल्गोरिदम, उनके कम्प्यूटेशनल जटिलता के बारे में बात कर सकते हैं, और ये पुस्तकालय अत्याधुनिक क्यों हैं?
ज्योफ ऑक्सीबेरी
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.