抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】