文献

J-GLOBAL ID：201902281865265149   整理番号：19A0130506

スパース反復アルゴリズムのための深層学習を用いたプリコンディショナ自動チューニング【JST・京大機械翻訳】

Preconditioner Auto-Tuning Using Deep Learning for Sparse Iterative Algorithms

著者 (7件)： Yamada Kenya ,  Katagiri Takahiro ,  Takizawa Hiroyuki ,  Minami Kazuo ,  Yokokawa Mitsuo ,  Nagai Toru ,  Ogino Masao
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CANDARW  ページ： 257-262  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： スパース行列演算のための数値ライブラリにおいて,実装選択に関連する多くの同調パラメータがある。異なる同調パラメータの選択は,全体的に異なる性能をもたらすことができた。さらに,最適実装は,操作されるべきスパース行列に依存する。各実装を実行することなく最適実装を見つけることは困難であり,それにより,与えられたスパース行列上での性能を調べることは困難である。本研究では,深い学習を用いた数値ライブラリにおけるスパース反復アルゴリズムと前処理装置のための実装選択法を提案した。提案した方法は,完全カラー画像を用いてスパース行列の特徴を表現した。与えられた行列(特徴画像を生成する)を分割するための画像生成法を提案し,各行列要素の値を実装選択において考慮した。次に,数値実験を行うことにより,提案した方法の有効性を評価した。この実験では,実装選択の精度を評価した。訓練データは一対のスパース行列とその最適実装から成る。訓練データにおける各スパース行列の最適実装は,各実装を実行し,最良のものを得ることにより,前もって得られる。提案した方法を用いて得た実験結果は,各スパース行列の最適実装を選択する精度が79.5%であることを示した。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： *スパース行列 ,  同調 ,  画像合成 ,  有効性 ,  画像
準シソーラス用語： 訓練データ ,  数値実験 ,  行列要素 ,  選択法 ,  行列演算 ,  *自動チューニング ,  深層学習 ,  反復アルゴリズム ,  スパース , 【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 (3件)： 反復アルゴリズム ,  深層学習 ,  自動チューニング