文献

J-GLOBAL ID：201902235602303180   整理番号：19A0460819

機械学習支援数値線形代数:効率的前処理器生成のための畳込みニューラルネットワーク【JST・京大機械翻訳】

Machine Learning-Aided Numerical Linear Algebra: Convolutional Neural Networks for the Efficient Preconditioner Generation

著者 (2件)： Goetz Markus ,  Anzt Hartwig
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ScalA  ページ： 49-56  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 効果的なBlock-Jacobi前処理装置に対するスパース性パターンの生成は,特に未知の起源を持つ問題に対して,挑戦的で計算的に高価なタスクである。本論文では,行列スパース性パターンにおける自然ブロック構造を検出するための畳込みニューラルネットワーク(CNN)を設計した。自然ブロック構造が非ゼロ(雑音)のランダム分布で補完される試験行列に対して,訓練されたネットワークが95%以上の予測精度で強く接続された成分を同定することに成功し,結果として得られたBlock-Jacobi前処理装置が反復GMRESソルバを効果的に加速することを示した。サイズ128x128の対角タイルに行列を分割することにより,各タイルに対して,生産ラインGPUを用いた場合,有効なBlock-Jacobiプリコンディショナーのスパース性パターンをミリ秒以下に生成できる。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *プリプロセッサ ,  *機械学習 ,  生産ライン ,  *ネットワーク ,  ブロック構造 ,  ソルバ ,  予測精度 ,  *畳込みニューラルネットワーク
準シソーラス用語： ランダム分布 ,  スパース性 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  支援 ,  数値線形代数 ,  前処理器 ,  畳込みニューラルネットワーク