In this paper, we propose a sparse approximate inverse for triangular matrices (SAIT) based on Jacobi iteration. The main operation of the algorithm is matrix-matrix multiplication. We apply the SAIT to iterative methods with ILU preconditioners. Then the two triangular solvers in the ILU preconditioning procedure are replaced by two matrix-vector multiplications, which can be fine-grained parallelized. We test the new algorithm by solving some linear systems and eigenvalue problems.


翻译:在本文中,我们提出了基于代谢的三角矩阵(SAIT)的微小近似反差。 算法的主要操作是矩阵矩阵矩阵乘法。 我们将SAIT应用于与ILU先决条件者一起的迭代方法。 然后, ILU 先决条件程序中的两个三角解答器被两个矩阵矢量乘法所取代, 这两个乘法可以细微地平行。 我们通过解决某些线性系统和电子价值问题来测试新的算法。

0
下载
关闭预览

相关内容

专知会员服务
41+阅读 · 2021年4月2日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
61+阅读 · 2020年3月4日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
3+阅读 · 2018年6月20日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
3+阅读 · 2018年6月20日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员