文献

J-GLOBAL ID：202002227292917157   整理番号：20A2355859

グレースケール行列画像からのBiCG法の収束の予測

Predicting the convergence of BiCG method from grayscale matrix images

著者 (2件)： Ota Ryo (Graduate School of Library, Information and Media Studies, University of Tsukuba) ,  Hasegawa Hidehiko (Faculty of Library, Information and Media Science, University of Tsukuba)
資料名： JSIAM Letters (Web)  (JSIAM Letters (Web))
巻： 12  ページ： 45-48(J-STAGE)  発行年： 2020年 
JST資料番号： U0115A  ISSN： 1883-0617  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： BiConjugate勾配(BiCG)法の収束はその入力行列に依存する。グレースケール画像に変換した行列に畳込みニューラルネットワークを適用することによりBiCG法の収束を予測することを試みた。SuiteSparse行列コレクションにおける875の実非対称行列を用いて,著者らは5倍交差検証法を適用し,試験収集におけるすべての場合に対して80%を超える平均精度で収束を予測することができた。(翻訳著者抄録)

シソーラス用語： *グレースケール ,  *共役勾配法 ,  *画像処理システム ,  収束 ,  予測技法 ,  *ニューラルネットワーク ,  行列 ,  交差検証法 ,  データ収集 ,  評価試験
準シソーラス用語： *畳込みニューラルネットワーク ,  非対称行列

著者キーワード (3件)： パターン認識 ,  行列の分類 ,  反復法

分類 (4件)： 計測機器一般  (AD02000X) ,  図形・画像処理一般  (JE04010I) ,  数値計算  (JE02000J) ,  ニューロコンピュータ  (JC06010Q)

引用文献 (8件)：

• 1) R. Barrett et al., Templates for the Solution of Linear Systems: Building Blocks for Iterative Methods, SIAM, Philadelphia, 1994.
• 2) A. Krizhevsky, I. Sutskever and G. E. Hinton G. E. Hinton, ImageNet classification with deep convolutional neural networks, in: Proc. of the 25th International Conference on Neural Information Processing Systems, pp. 1097-1105, 2012.
• 3) M. Götz and H. Anzt, Machine learning-aided numerical linear algebra: convolutional neural networks for the efficient preconditioner generation, in: 2018 IEEE/ACM 9th Workshop on Latest Advances in Scalable Algorithms for Large-Scale Systems (scalA), pp. 49-56, 2018.
• 4) K. Yamada et al., Preconditioner auto-tuning using deep learning for sparse iterative algorithms, in: 2018 Sixth International Symposium on Computing and Networking Workshops (CANDARW), pp. 257-262, 2018.
• 5) T. A. Davis, Y. Hu and S. Kolodziej, The SuiteSparse Matrix Collection, https://sparse.tamu.edu.

タイトルに関連する用語 (4件)： グレースケール ,  行列 ,  収束 ,  予測