Block Krylov subspaces and orthogonal matrix polynomials: a structural correspondence with applications to unitary matrices
KU Leuven(鲁汶大学)
本文研究了块Krylov子空间与矩阵正交函数之间的联系,提出了一种统一的框架用于分析和构造正交基和递推关系,并在单位ary矩阵情况下展示了如何将正交矩阵多项式的Szegő递推和CMV框架转移到块Krylov设置中。
2026-05-16 cs.NA math.NA
Convergence of the Iterative Rational Krylov Algorithm
Virginia Tech(弗吉尼亚理工大学)
本文针对状态空间对称系统,证明了迭代有理Krylov算法(IRKA)作为不动点迭代局部收敛于H2近似问题的局部极小值。
2011-07-27 cs.NA math.NA
Stability Analysis of Bilinear Iterative Rational Krylov Algorithm
Indian Institute of Technology Indore(印度印度技术学院印多尔校区)
针对双线性动力系统模型降阶问题,研究BIRKA算法在不精确线性求解下的稳定性及降阶系统精度,通过数值实验验证理论结果。
2017-09-03 cs.NA math.NA
Numerical solutions to linear transfer problems of polarized radiation II. Krylov methods and matrix-free implementation
上下文太阳和恒星大气中偏振辐射传输问题的数值解通常依赖于定常迭代法,该方法在应用于大问题时通常表现不佳。近年来,稳态迭代法在许多应用中已被最先进的预处理Krylov迭代法所取代。然而,一个一般的描述和Krylov方法在偏振辐射传输方面的收敛性分析仍然缺乏。目标。我们描述了预处理Krylov方法的偏振辐射的线性传输问题的实际应用,可能在一个矩阵自由的上下文中。主要目的是澄清各种Krylov加速器相对于固定的迭代法的优点和缺点。方法.我们报告的收敛速度和运行时间的各种Krylov加速技术结合不同的正式求解器时,适用于一维基准转移问题的偏振辐射。特别是,我们分析了GMRES,BICGSTAB和CGS Krylov方法,预处理与雅可比,或(S)SOR。结果Krylov方法加快了收敛速度,减少了运行时间,提高了标准平稳迭代法的鲁棒性。Jacobi预处理Krylov方法在所有方面都优于SOR预处理定常迭代。特别是,雅可比-GMRES方法提供了最好的整体性能的问题设置中使用。结论. Krylov方法比静态迭代法更难实现。然而,代数制定的辐射传输问题允许一个应用和研究Krylov加速策略,很少的努力。此外,许多可用的数值库实现了无矩阵的Krylov例程,几乎可以毫不费力地过渡到Krylov方法。
2021-10-22 astro-ph.SR cs.NA math.NA
Computation of the von Neumann entropy of large matrices via trace estimators and rational Krylov methods
针对大型稀疏半正定矩阵的von Neumann熵近似计算问题,提出结合多项式与有理Krylov子空间算法,并利用随机化迹估计器和图着色探测技术,通过误差界与启发式规则实现高效计算,数值实验验证了方法的有效性。
2023-06-22 cs.NA math.NA
Accelerated solution of Helmholtz equation with Iterative Krylov Methods on GPU
本文对图形处理器(GPU)上双精度复数运算的线性代数运算进行了分析和评价。已知这些操作的性能,迭代Krylov方法被认为是有效地解决声学问题。对一组声学矩阵进行了数值实验,所产生的建模的声学现象在一个气缸和汽车车厢内暴露,表现出我们的算法的性能,鲁棒性和效率,与一个比率高达27倍的点积,10倍的稀疏矩阵-矢量积和求解器在复杂的双精度运算。
2021-12-13 cs.DC cs.NA math.NA
Iterative Krylov Methods for Acoustic Problems on Graphics Processing Unit
研究了基于图形处理器(GPU)的双精度复数运算的线性代数运算。他们的使用迭代Krylov方法的分析,以解决声学问题。收集了一组声学矩阵上进行的数值实验,并概述了我们的算法的性能,鲁棒性和有效性,点积的速度可达28倍,稀疏矩阵-矢量积和求解器的速度可达9.8倍。
2021-12-22 cs.DC cs.MS cs.NA
An accurate restarting for shift-and-invert Krylov subspaces computing matrix exponential actions of nonsymmetric matrices
提出了一种用移位求逆Krylov子空间方法计算非对称矩阵指数作用的精确剩余时间(AccuRT)重新启动方法。建议的重新启动方法是最近提出的RT(剩余时间)重新启动的扩展,它的目的是避免在传统的RT重新启动可能的精度损失。SAI Krylov方法的一个昂贵的部分是具有移位矩阵的线性系的解。由于AccuRT算法调整的移位值,我们讨论如何建议重新启动可以实现一个单一的LU分解(或预条件设置)的移位矩阵。数值实验表明,该方法提高了精度和效率。
2019-12-05 cs.NA math.NA physics.comp-ph
A multi-level preconditioned Krylov method for the efficient solution of algebraic tomographic reconstruction problems
University of Antwerp(安特卫普大学);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);iMinds-Vision Lab, University of Antwerp(iMinds视觉实验室,安特卫普大学)
本文提出一种基于小波的多级预条件Krylov方法,通过谱分析和数值实验展示其在断层重建中的高效性和精度。
2015-01-21 cs.NA math.NA
On efficient block Krylov-solvers for $\mathcal H^2$-matrices
本文针对 H^2 格式分层矩阵提出高效矩阵-向量与矩阵-矩阵乘法实现,以充分利用现代硬件的内存和缓存性能,并据此加速块 Krylov 子空间方法求解多右端线性方程组。
2025-09-21 cs.NA math.NA
Krylov subspaces associated with higher-order linear dynamical systems
本文研究高阶线性动力系统等价一阶形式矩阵诱导的块Krylov子空间结构,证明其可视为原高阶系统状态空间特定子空间的多重副本。
2005-01-27 cs.NA math.DS math.NA
Bounds on the convergence of Ritz values from Krylov subspaces to interior eigenvalues of Hermitean matrices
Tait Institute SUPA NAIS and EPCC Department of Physics and Astronomy The University of Edinburgh(爱丁堡大学物理与天文学系)
通过移位平方矩阵上的 Kaniel-Paige-Saad 形式,推导了 Krylov 子空间序列中 Ritz 值收敛到 Hermite 矩阵内部特征值的界,适用于低谱密度区域(如谱空隙附近)。
2011-10-13 cs.NA hep-lat math.NA
Krylov iterative methods for linear least squares problems with linear equality constraints
本文从算子型最小二乘问题视角分析带线性等式约束的最小二乘问题,将解分解为两个算子形式 LS 问题的解,并提出两种 Krylov 子空间迭代方法分别近似各分量,从而高效求解大规模 LSE 问题。
2025-01-03 cs.NA math.NA
Randomized Krylov methods for inverse problems
本文提出随机化Golub-Kahan方法及混合投影正则化框架,用于高效求解大规模矩形矩阵反问题,并通过图像去模糊和地震层析成像实验验证其有效性。
2025-08-27 cs.NA math.NA
A flexible short recurrence Krylov subspace method for matrices arising in the time integration of port Hamiltonian systems and ODEs/DAEs with a dissipative Hamiltonian
对于产生线性系的几类数学模型,将矩阵分裂成其厄米特部分和斜厄米特部分自然与底层模型的性质有关。这对于耗散哈密顿常微分方程、微分代数方程和端口哈密顿系统的离散化尤其如此,此外,厄米部分是正定或半定的。然后,它是可能的开发短的递归最优Krylov子空间方法,其中的埃尔米特部分被用作预条件。在本文中,我们开发了新的,正确的预处理的变种,这种方法,作为其关键的新功能,允许系统的厄米特部分,只有大约在每次迭代中解决,同时保持短递归。这类新的方法是特别有效的,因为它允许,例如,使用几个步骤的多重网格求解器或(预处理)CG方法的埃尔米特部分在每次迭代。我们说明了这与几个大规模系统的数值实验。
2022-12-29 cs.NA math.NA
Krylov Subspace Recycling For Matrix Functions
针对矩阵函数对向量序列的应用问题,提出带子空间循环利用的增强Krylov子空间方法(含三种实现版本),假设连续矩阵相关但向量无约束,经多函数多矩阵数值实验验证有效,重点关注格点QCD重叠形式的符号函数。
2025-08-20 cs.NA math.NA
Iterative Refinement and Flexible Iteratively Reweighed Solvers for Linear Inverse Problems with Sparse Solutions
本文提出一种基于迭代细化视角的灵活迭代重加权算法框架,用于求解大规模线性不适定问题的稀疏解,兼具快速收敛与高精度,并在内存受限场景下优于其他灵活Krylov方法。
2025-02-04 cs.NA math.NA
A preconditioned Krylov subspace method for linear inverse problems with general-form Tikhonov regularization
本文提出基于预条件Golub-Kahan双对角化的Krylov子空间迭代方法,用于求解一般形式Tikhonov正则化线性反问题,并进一步设计两种混合正则化算法以克服半收敛不稳定性,数值实验验证了其优越性能。
2023-08-12 cs.NA math.NA
Tensor-Krylov method for computing eigenvalues of parameter-dependent matrices
本文将残差Arnoldi法推广到求极值特征值(如最大实部,优势,.)对于矩阵依赖于参数的情况。该方法与经典Arnoldi算法的不同之处在于,在Arnoldi算法中,残差被添加到子空间中。我们开发了一个张量Krylov方法,适用于剩余Arnoldi方法(RA)的参数点的网格在同一时间。子空间包含所有这些点的近似Krylov空间。我们不是将所有参数值的残差添加到子空间,而是创建由这些残差组成的矩阵的低秩近似,并且仅将列空间添加到子空间。为了保持计算效率,需要限制子空间的维数,并且一旦子空间达到规定的最大维数就重新开始。这种方法的新颖性是双重的。首先,我们观察到在低秩近似中允许大的误差而不会减慢收敛速度,这意味着我们可以在重新开始之前进行更多的迭代。其次,我们特别注意子空间的重新启动方式,因为经典的重新启动技术在我们的情况下给出了一个太大的子空间。我们激励为什么它是足够好的,只是保持搜索的特征向量的近似。最后,我们将该算法推广到移位-反演残差Arnoldi方法,以计算接近移位$σ$的特征值。我们提供理论结果和报告数值实验。Matlab代码是公开的。
2020-12-16 cs.NA math.NA
Inner Product Free Krylov Methods for Large-Scale Inverse Problems
本文提出两种无内积的 Krylov 子空间方法 LSLU 与 Hybrid LSLU,用于矩形大规模线性反问题,后者高效结合 Tikhonov 正则化,数值表现媲美现有迭代投影方法。
2024-09-08 cs.NA math.NA
Time-Domain Iterative Rational Krylov Method
本文提出时域IRKA算法,利用数据信息性框架从单次时域仿真构造H2最优降阶模型,避免TF-IRKA的重复频率采样,通过特征值公式优化线性系统条件数,数值实验验证有效性。
2024-07-17 cs.NA math.NA
A residual concept for Krylov subspace evaluation of the $φ$ matrix function
提出了一种计算大型矩阵$φ$矩阵函数作用的有效Krylov子空间算法。该矩阵函数广泛应用于指数时间积分、马尔可夫链和网络分析以及许多其他应用中。我们的算法是基于一个可靠的残差为基础的停止标准和一个新的高效的重新启动过程。对于数值域在稳定复半平面内的矩阵,我们分析了剩余收敛性,证明了重新开始法对任意Krylov子空间维数都是收敛的.数值试验表明,我们的方法的有效性,解决大规模的发展问题所产生的离散时空依赖的偏微分方程,特别是扩散和对流-扩散问题。
2020-10-19 cs.CE cs.NA math.NA
A Non-Krylov subspace Method for Solving Large and Sparse Linear System of Equations
Zhaoqing Univ.(肇庆学院);Academy of Math. and System Sciences, Chinese Academy of Sciences(中国科学院数学与系统科学研究院)
本文提出了一种非Krylov子空间方法,通过动态投影矩阵构建子空间以求解线性方程组,并引入APAP加速方法提升收敛性,数值实验显示其在处理病态系数矩阵时表现优异。
2015-11-25 cs.NA math.NA
Assessing the Performance of Mixed-Precision ILU(0)-Preconditioned Multiple-Precision Real and Complex Krylov Subspace Methods
本文实现双精度和多精度ILU(0)预条件器,与乘积型Krylov子空间方法兼容,并评估其性能,以解决舍入误差和收敛问题。
2025-04-20 cs.NA math.NA
Rational Krylov and ADI iteration for infinite size quasi-Toeplitz matrix equations
考虑一类含有半无限矩阵的线性矩阵方程,其矩阵具有拟Toeplitz结构。这些方程出现在不同的环境中,主要与偏微分方程或马尔可夫链的研究有关,如二维格上的随机游动。我们提出的理论证明存在一个适当的巴拿赫代数,这是计算处理,我们提出了几种方法,他们的解决方案。我们将展示如何适应ADI迭代到这个特定的无穷维设置,以及如何构造合理的Krylov方法。收敛性理论进行了讨论,数值实验验证了所提出的方法。
2020-06-19 cs.NA math.NA
Randomized block Krylov methods for approximating extreme eigenvalues
随机块Krylov子空间方法是一类计算对称矩阵的极值特征值或一般矩阵的极值奇异值的强有力的算法。本文的目的是开发新的理论界的性能随机块Krylov子空间方法对这些问题。对于多项式谱衰减的矩阵,随机块Krylov方法可以仅使用常数步数(取决于衰减率和精度)获得精确的谱范数估计。此外,分析表明,该算法的行为取决于在一个微妙的方式上的块大小。数字证据证实了这些预测。
2021-10-01 cs.NA math.NA
Mixed forward-backward stability of the two-level orthogonal Arnoldi method for quadratic problems
KU Leuven(鲁汶大学)
本文研究了双重层次正交Arnoldi方法在计算二次Krylov子空间正交基时的数值稳定性,提出在矩阵范数适中时,该方法能保持子空间的稳定性,并探讨了通过缩放问题提升稳定性的方法。
2017-07-04 cs.NA math.NA
Krylov-subspace recycling via the POD-augmented conjugate-gradient method
Sandia National Laboratories(桑迪亚国家实验室);University of Maryland(马里兰大学)
本文提出一种新的Krylov子空间回收方法,用于高效求解右端变化的线性方程组。该方法基于目标导向的POD模型降阶思想,结合POD的最优性特性,提升子空间的适应性,通过混合直接/迭代三阶段方法提高求解效率。
2016-01-21 cs.NA math.NA
NSPOD: Accelerating Krylov solvers via DeepONet-learned POD subspaces
Synopsys UK Ltd(Synopsys英国有限公司);Division of Applied Mathematics, Brown University(布朗大学应用数学系)
本文提出NSPOD,一种基于DeepONet的预条件器,通过减少迭代次数提升Krylov求解器效率,尤其在复杂CAD几何的线性化固体力学PDE中表现优异。
2026-05-11 cs.LG cs.NA math.NA
Regularization Properties of the Krylov Iterative Solvers CGME and LSMR For Linear Discrete Ill-Posed Problems with an Application to Truncated Randomized SVDs
Tsinghua University(清华大学)
本文研究了CGME和LSMR求解线性离散病态问题的正则化性质,证明了CGME和LSMR的正则化解在精度上优于或等于LSQR,同时揭示了截断步骤对随机化SVD精度的影响。
2019-01-22 cs.NA math.NA
Computation of generalized matrix functions with rational Krylov methods
我们提出了一类基于有理Krylov方法的算法来计算广义矩阵函数对向量的作用。这些算法将现有的方法的基础上Golub-Kahan双对角化作为一种特殊情况。通过利用投影矩阵的准可分结构,我们证明了基向量可以使用短递归来更新,这可以被看作是Golub-Kahan双对角化的合理情况的推广。我们还证明了这些方法的误差一致有理逼近的误差界。数值实验表明了算法的有效性和边界的准确性。
2021-07-26 cs.NA math.NA
A note on augmented unprojected Krylov subspace methods
子空间循环迭代法和其他子空间增强方案是Krylov子空间方法的成功扩展,其中Krylov子空间用被认为有助于加速收敛或传达解的知识的向量所跨越的固定子空间来增强。最近,发表了一项调查,其中提出了描述绝大多数此类方法的框架[Soodhalter等人,GAMM-Mitt. 2020年]。在许多这些方法中,Krylov子空间是由依赖于增广空间的投影器组成的系统矩阵生成的子空间。然而,并不要求使用投影Krylov子空间。有一些增广方法是建立在使用由原始系统矩阵生成的Krylov子空间的基础上的,这些方法也适合于一般的框架。在这份说明中,我们观察到,一个增益的实施效益,考虑这种增强方法与非投影Krylov子空间的一般框架。我们通过将该想法应用于[Dong et al. ETNA 2014]中提出的R $^3$ GMRES方法来证明这一点,以获得简化的实现,并将该算法与基于灵活预处理的早期增强方案相连接[Saad. SIMAX 1997]。
2022-02-10 cs.NA math.NA
On Krylov subspace methods for skew-symmetric and shifted skew-symmetric linear systems
本文将非奇异反对称线性系统的Krylov子空间方法数值等价性扩展至奇异情形,系统研究了基于Lanczos三角化的移位反对称线性系统求解方法S$^3$CG、S$^3$MR和S$^3$LQ,并给出新理论结果与方法间关系。
2023-07-31 cs.NA math.NA
On Krylov Methods for Large Scale CBCT Reconstruction
本文针对大规模CBCT重建问题,在开源TIGRE工具箱中构建了涵盖CGLS、LSQR、LSMR及Tikhonov和TV正则化的Krylov子空间方法通用框架,并通过合成与真实3D CT数据验证和比较了各方法的适用性。
2022-11-25 cs.NA math.NA
A Highly Efficient Implementation of Multiple Precision Sparse Matrix-Vector Multiplication and Its Application to Product-type Krylov Subspace Methods
我们使用高效的多精度稀疏矩阵-向量乘法(SpMV)来评估Krylov子空间方法的性能。BNCpack是我们基于MPFR/GMP的多精度数值计算库,它是最有效的任意精度浮点运算库之一。但是,它不包括可以操作多个精度稀疏矩阵的函数。因此,通过使用基准测试,我们表明,在这些功能中实现的SpMV可以更有效。最后,我们还表明,产品型Krylov子空间方法,如BiCG和GPBiCG,我们已经嵌入SpMV,可以有效地解决大型线性系的方程组中提供的UF稀疏矩阵集合在内存受限的计算环境。
2014-11-10 cs.NA math.NA
Compress-and-restart block Krylov subspace methods for Sylvester matrix equations
块Krylov子空间方法(KSM)包括在大规模矩阵方程出现时用于大规模矩阵方程的许多现有技术的求解器中的构建块,例如,从离散化的偏微分方程。虽然扩展和有理块Krylov子空间方法提供了一个主要的减少在多项式块KSM的迭代计数,他们也需要可靠的求解器的系数矩阵,这些求解器往往是迭代法本身。不难设计出这样的场景,其中可用的内存以及Krylov子空间的维数是有限的。在线性系和本征值问题的这种情况下,重新启动是一个很好的探索技术,以减轻内存限制。在这项工作中,这样的重新启动技术应用于多项式KSM矩阵方程的压缩步骤,以控制增长的残差秩。还进行了误差分析,导致在每个重启周期中动态调整基础大小的算法。一组数值实验证明了新方法对扩展块KSM的有效性。
2020-02-04 cs.NA math.NA
Short-Recurrence and -Storage Recycling of large Krylov-Subspaces for Sequences of Linear Systems with changing Right-Hand-Sides
本文提出新的原理和迭代方法,用于求解具有固定系数矩阵和变化右端的线性系统序列,通过回收前一系统求解过程中获得的子空间信息,利用短递推和小存储需求提高效率。
2015-12-16 cs.NA math.NA
Computing low-rank approximations of the Fréchet derivative of a matrix function using Krylov subspace methods
矩阵函数$f(A)$的Fréchet导数$L_f(A,E)$在许多不同的应用中起着重要的作用,包括条件数估计和网络分析。当方向项$E$为秩1时,我们给出了几种不同的Krylov子空间方法来计算$L_f(A,E)$的低秩逼近(这可以很容易地推广到一般的低秩逼近).我们分析了所得到的方法的收敛性的重要特殊情况下,$A$是埃尔米特和$f$是指数,对数或Stieltjes函数。在一些数值测试中,包括基准集合和现实世界的应用程序的矩阵,我们证明和比较所提出的方法的准确性和效率。
2020-08-29 cs.NA math.NA
Randomized sketching for Krylov approximations of large-scale matrix functions
f(A)b的计算,即矩阵函数对向量的作用,是科学计算的许多领域中出现的一项任务。在许多应用中,矩阵A是稀疏的,但如此之大,以至于只能存储相当少量的Krylov基向量。在这里,我们讨论了一种新的方法来克服这些限制,随机素描结合整表示的f(A)b。介绍了两种不同的近似,一种基于草图FOM和另一种基于草图GMRES近似。对于正实矩阵的Stieltjes函数,分析了后一种方法的收敛性。我们还推导出一个封闭的形式表达的草图FOM逼近和约束其距离的完整FOM逼近。数值实验证明了所提出的草图绘制方法的潜力。
2023-03-17 cs.NA math.NA
Stable Iterative Solvers for Ill-conditioned Linear Systems
本文提出可改造 Krylov 子空间迭代法的通用稳定化框架,防止其在病态线性系统上发散,并在 SciPy 实现及多类合成、真实系统实验中验证有效性。
2025-07-23 cs.DS cs.NA math.NA
A Krylov projection algorithm for large symmetric matrices with dense spectra
针对具有密集谱的大型对称正定矩阵及MIMO传递函数计算问题,提出自适应Kreĭn-Nudelman扩展的块Lanczos算法,以$o(n)$成本加速近似,数值结果验证其对无界域LTI PDE离散化的有效性。
2025-04-17 cs.NA math.NA
DFPI, A unified framework for deflated linear solvers: bridging the gap between Krylov subspace methods and Fixed-Point Iterations
本文提出统一框架DFPI,融合降阶技术与不动点迭代,弥合Krylov子空间方法与Richardson迭代的鸿沟,统一多种加速技术,并给出收敛性分析及CFD数值验证。
2025-02-27 cs.NA math.NA
MinAres: An Iterative Solver for Symmetric Linear Systems
本研究提出基于对称Lanczos过程的迭代求解器MINARES,通过在Krylov子空间最小化$\\|Ar_k\\|$求解对称线性系统,单次迭代仅需一次矩阵-向量乘积,在不相容对称系统上表现最优,且正定条件下相关范数单调。
2023-10-03 cs.NA math.NA math.OC
Locally conservative and flux consistent iterative methods
本文将局部守恒和通量一致性概念扩展至迭代方法,证明了伪时间迭代和 Newton-Krylov 方法的局部守恒性,并提出强制通量一致性的技术以恢复收敛性,数值实验验证了理论结果。
2022-06-22 cs.NA math.NA
A generalized matrix Krylov subspace method for TV regularization
Faculté des Sciences et Techniques-Gueliz, Laboratoire de Mathématiques Appliquées et Informatique(盖利兹科学技术学院,应用数学与计算机实验室);Université de Lille Nord de France, L.M.P.A, ULCO(法国北部里尔大学,L.M.P.A,ULCO)
本文提出一种高效算法解决受模糊和噪声污染的图像总变分正则化问题,通过转化为约束优化问题,并采用增广拉格朗日方法和交替方向法求解。
2018-02-10 cs.NA math.NA
Preconditioned Krylov solvers for kernel regression
University of Maryland(马里兰大学)
本文研究了核回归中求解密集线性系统的问题,提出了一种新型灵活预条件器,提升收敛速度并利用快速核矩阵向量乘法。
2014-08-06 cs.NA math.NA
Spectral Condition-Number Estimation of Large Sparse Matrices
Tel Aviv University(特拉维夫大学)
提出一种随机Krylov子空间方法,通过LSQR求解一致线性最小二乘问题来估计最小奇异值,从而估计谱条件数或指示数值秩亏,实验表明该方法能有效估计多种矩阵的条件数,且内存占用小,适用于方阵和矩形阵。
2018-08-30 cs.NA math.NA
A low-memory Lanczos method with rational Krylov compression for matrix functions
本研究提出一种结合有理Lanczos算法与基于有理Krylov子空间基压缩的低内存方法,用于计算厄米矩阵函数对向量的作用,可大幅降低内存需求,误差可忽略,性能具竞争力。
2024-03-07 cs.NA math.NA
A Block Krylov Subspace Implementation of the Time-Parallel Paraexp Method and its Extension for Nonlinear Partial Differential Equations
University of Twente(特温特大学);Eindhoven University of Technology(埃因霍温理工大学)
本文提出了一种用于非线性偏微分方程的时间并行积分方法,基于块Krylov子空间方法改进的Paraexp方法,并在波形松弛框架下应用于非线性问题,通过超位置原理将问题分解为独立子问题,利用指数积分快速求解。
2015-09-15 cs.NA math.NA
Krylov Subspace Recycling for Fast Iterative Least-Squares in Machine Learning
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
本文研究了利用Krylov子空间回收方法提高机器学习中对称正定线性问题求解效率,通过迭代优化低秩近似以平衡计算成本与数值精度。
2017-06-01 cs.LG cs.NA math.NA
Analysis of the rational Krylov subspace projection method for large-scale algebraic Riccati equations
Università di Bologna(博洛尼亚大学);IMATI-CNR(意大利国家研究委员会应用数学研究所)
本文分析了用于求解大规模代数里茨方程的有理克雷洛夫子空间投影法,探讨了该方法中矩阵A-BB^*X的作用及改进方法的理论基础。
2016-02-01 cs.NA math.NA
Iterative solution to the biharmonic equation in mixed form discretized by the Hybrid High-Order method
本文针对HHO方法离散的混合形式双调和方程,提出通过引入新未知量解耦两个二阶椭圆问题,并设计显式法向导数计算技术和新预条件子,实现Krylov型迭代求解。
2024-07-23 cs.NA math.NA
The Regularization Theory of the Krylov Iterative Solvers LSQR, CGLS, LSMR and CGME For Linear Discrete Ill-Posed Problems
Tsinghua University(清华大学)
本文分析了LSQR在严重、中等和轻微病态问题中的正则化效果,证明其在半收敛时能获得最佳正则化解,并对比了LSMR和CGME的正则化性能。
2016-11-02 cs.NA math.NA
The regularization theory of the Krylov iterative solvers LSQR and CGLS for linear discrete ill-posed problems, part I: the simple singular value case
Tsinghua University(清华大学)
本文研究了LSQR和CGLS在不同病态问题中的正则化效果,证明了在严重病态问题中LSQR能获得最优正则化解,而在中等和轻微病态问题中则不能。
2017-01-20 cs.NA math.NA