Multilevel Adaptive-Rank Methods for Linear and Nonlinear Systems in the Hierarchical Tucker Format
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室);Sandia National Laboratories(桑迪亚国家实验室)
针对高维偏微分方程,提出多水平自适应秩迭代方法,通过扩展投影法实现灵活预条件、构建多水平预条件策略并集成到非精确牛顿框架中,实验表明该方法鲁棒且可扩展。
2026-06-23 cs.NA math.NA physics.comp-ph
A low-rank hierarchical framework for the non-Markovian stochastic Schrödinger equation with convergence analysis
National University of Singapore(新加坡国立大学)
针对非马尔可夫随机薛定谔方程,提出基于浴关联函数低秩近似的数值框架,通过分解记忆核导出分层方程组,经收敛性分析证明是HOPS的推广,数值实验验证了该方法的有效性和效能。
2026-07-17 cs.NA math.NA
Hierarchical Block Low-rank Approximation of Cavity Radiation
本文提出结合块低秩近似与分层矩阵处理腔体辐射中的稠密有限元离散化,利用ACA方法提升效率,数值实验显示相比稠密矩阵方法显著加速并降低内存。
2023-05-11 cs.NA math.NA
Solving Linear Systems on a GPU with Hierarchically Off-Diagonal Low-Rank Approximations
我们感兴趣的是解决线性系所产生的三个应用:(1)核方法在机器学习中,(2)离散化的边界积分方程从数学物理,(3)舒尔补形成在许多大型稀疏矩阵的因式分解。系数矩阵通常是数据稀疏的,因为它们的非对角块具有低的数值秩;具体来说,我们专注于“分层非对角低秩(HODLR)”矩阵。我们介绍了因式分解HODLR矩阵和在GPU上应用因式分解的算法。该算法利用了批处理稠密线性代数的效率,并且当数值秩固定时,它们与矩阵大小近似线性地缩放。HODLR矩阵近似的精度是一个可调参数,因此我们可以构造高精度的快速直接求解器或低精度的鲁棒预处理器。数值结果表明,我们可以在一个GPU上在几秒钟内解决数百万个未知数的问题。
2022-08-12 cs.NA math.NA
Hierarchical adaptive low-rank format with applications to discretized PDEs
提出了一种新的压缩矩阵格式,它结合了自适应分层划分的矩阵与低秩近似。一个典型的应用是矩形域上离散函数的近似;格式的灵活性使得可以处理在小的局部区域中具有奇异性的函数。为了处理奇异点的时间演化和重新定位,可以基于底层数据的特征动态地调整分区。我们的格式可以被利用来有效地解决线性系的克罗内克产品结构,因为它们产生于离散的偏微分方程(PDE)。为此,这些线性系被改写为线性矩阵方程,并从这些方程的低秩更新推导出递归求解器。我们证明了我们的框架的稳定性和时间依赖性,线性和非线性偏微分方程,包括伯格斯和艾伦-卡恩方程的有效性。
2021-11-04 cs.NA math.NA
A Direct Elliptic Solver Based on Hierarchically Low-rank Schur Complements
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
本文提出一种并行快速直接求解器,针对可压缩块三对角线性系统,通过循环缩减与分层矩阵运算的协同,实现O(N log²N)的计算复杂度和O(N logN)的内存占用,验证了其在Hierarchical Matrices基础上的性能与适用性。
2016-04-03 cs.NA math.NA
A Parallel Hierarchical Blocked Adaptive Cross Approximation Algorithm
本文提出了一种分层低秩分解算法,假设任何矩阵元素都可以在$O(1)$时间内计算。该算法采用分块自适应交叉近似(BACA)算法计算子矩阵的秩揭示分解,然后通过截断奇异值分解(H-BACA)进行分层合并操作。该算法显着提高了基线ACA算法的收敛性,并实现了降低计算复杂性相比,如秩揭示QR分解的充分分解。数值结果表明了该算法的有效性、准确性和并行效率。
2019-09-05 cs.NA math.NA
Hierarchical matrix arithmetic with accumulated updates
分层矩阵可以用来构造有效的预条件的偏微分和积分方程,利用低秩结构的三角分解和逆的相应的刚度矩阵。这些预处理器的设置阶段严重依赖于低秩更新,这些更新占算法总运行时间的很大一部分,特别是对于三维问题产生的矩阵。本文提出了一种新的算法,可以显著减少低秩更新的数量,并可以将设置时间减少50%或更多。
2019-06-12 cs.NA math.NA
Divide and conquer methods for functions of matrices with banded or hierarchical low-rank structure
本文研究带状矩阵、分层半可分矩阵及相关结构的近似矩阵函数。我们开发了一种新的分治方法的基础上(理性)Krylov子空间方法进行低秩更新的矩阵函数。我们的收敛性分析的新提出的方法收益建立关系,最佳多项式和有理逼近。当只有跟踪或矩阵函数的对角线是感兴趣的,我们证明-在实践中和理论上-收敛可以更快。对于带状矩阵的特殊情况下,我们表明,分治法减少到一个更简单的算法,通过计算小的子矩阵的矩阵函数。数值实验证实了新开发的算法计算大规模矩阵函数的各种应用的有效性。
2021-07-09 cs.NA math.NA
Hierarchical rank-evolving representation for physics-informed neural networks
University of Electronic Science and Technology of China(电子科技大学);Southwestern University of Finance and Economics(西南财经大学)
针对现有T-PINNs需手动调整秩的缺陷,提出分层秩演化(HRE)表示并构建HRE-PINNs,经多类方程数值实验验证,其精度优于现有最先进方法。
2026-08-11 cs.LG cs.NA math.NA
Fast Multipole Method as a Matrix-Free Hierarchical Low-Rank Approximation
Tokyo Institute of Technology(东京工业大学);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
本文综述了分层低秩近似方法的最新进展,并通过简单代表性测试案例比较了两种优化实现的性能差异,探讨了计算与内存的权衡。
2016-02-06 cs.NA math.NA
Efficient arithmetic operations for rank-structured matrices based on hierarchical low-rank updates
本文提出基于分层低秩更新的算法,实现对H²矩阵的乘积、逆及分解的近线性复杂度运算,通过递归过程和局部低秩更新提升计算效率。
2014-07-03 cs.NA math.NA
Hierarchical low-rank compression exploiting symmetric boundary integral equations in transmission scattering
Institute of Science Tokyo(东京科学大学);RIKEN Center for Computational Science(理化学研究所计算科学中心)
本文提出利用矩阵对称性加速波透射散射的分层低秩压缩,通过对称类Müller公式和对称Galerkin边界元法,分别实现亥姆霍兹和弹性散射求解的显著加速。
2026-09-29 cs.NA math.NA
Hierarchical Prior Regularized Matrix Factorization for Image Completion
最近的低秩先验模型有效地解决了张量完成问题。然而,这些模型未能利用张量的局部模式,这损害了张量完成的性能。本文提出了一种新的张量完备化的分层先验正则化矩阵分解模型。该模型将低秩先验、全变差先验和稀疏编码先验分层融合到矩阵分解中,同时刻画了张量的全局低秩性和局部光滑性.对于所提出的模型,我们使用乘子的交替方向法来建立我们的算法。此外,还对算法的复杂度和收敛性进行了分析,进一步验证了算法的有效性.然后通过各种数据集对所提出的方案进行评估。实验结果表明,该方法优于几种现有的方法。
2021-04-10 cs.NA math.NA
Hierarchical Low-Rank Approximation of Regularized Wasserstein Distance
Sinkhorn散度是两个概率测度之间相异性的度量。它是通过在Kantorovich的最优输运问题中加入一个熵正则化项而得到的,因此可以看作是一个熵正则化的Wasserstein距离。给定$n$ -单纯形中的两个离散概率向量,并支撑在${\mathbb R}^d$中的两个有界空间上,当代价矩阵可分解为渐近光滑Kronecker乘积因子的$d$ -项和时,我们给出了计算Sinkhorn发散的一个快速方法.该方法结合Sinkhorn的矩阵缩放迭代与低秩层次表示的缩放矩阵,以实现近线性的复杂度${\mathcal O}(n \log^3 n)$。这为计算Sinkhorn散度提供了一种快速且易于实现的算法,使其适用于大规模最优化问题,其中经典Wasserstein度量的计算是不可行的。我们提出了一个与信号处理相关的数值例子,以证明二次Sinkhorn发散的适用性,与二次Wasserstein距离相比,并验证所提出的方法的准确性和效率。
2020-04-30 cs.NA math.NA
Block-encoding dense and full-rank kernels using hierarchical matrices: applications in quantum numerical linear algebra
数值线性代数的许多量子算法假设黑盒访问感兴趣矩阵的块编码,这在矩阵不稀疏时是一个强假设。核矩阵是核函数$k(x,x')$离散化的结果,在数学和工程中有着广泛的应用。他们通常是密集和全秩。经典的快速多极子方法是利用层次矩阵的线性代数框架,在时间上几乎线性地对$N$维的核矩阵进行矩阵乘法运算,即在$N$维上进行矩阵乘法运算。鉴于这一成功,我们提出了量子计算机上的分层矩阵结构的块编码方案。当应用于多个物理核矩阵时,我们的方法可以将求解$N$维量子线性系统的时间提高到$O(κ\operatorname{polylog}(\frac{N}{\varepsilon}))$维,其中$κ$和$\varepsilon$是矩阵运算的条件数和误差界.这个运行时间是接近最优的,并且在$N$方面,在密集和满秩核矩阵的情况下,指数地改进了先前的量子线性系统算法。我们讨论了我们的方法在求解积分方程和加速计算N体问题的可能应用。
2022-12-07 cs.NA math.NA quant-ph
Estimating Hierarchically Rank Structured Covariance Matrices
Universität Potsdam(波茨坦大学);Cornell University(康奈尔大学)
本文提出通过施加层级秩结构来正则化小样本协方差矩阵估计,相比稀疏性方法适用更广,并给出高效算法,实验证明其估计误差更小。
2026-09-11 cs.NA math.NA stat.CO
Fast hierarchical solvers for sparse matrices using extended sparsification and low-rank approximation
用标准的直接求解方案求稀疏矩阵的逆是鲁棒的,但是计算昂贵。另一方面,迭代求解器表现出更好的可扩展性;但是,需要与适当的预处理器一起使用(例如,ILU、AMG、Gauss-Seidel等)为了正确的收敛。有效预条件子的选择是高度依赖于问题的。提出了一种新的全代数稀疏矩阵求解算法,该算法的复杂度与问题规模成线性关系。我们的方案是基于高斯消元法。对于一个给定的矩阵,我们近似的LU分解与先验确定的可调精度。该方法可以作为一个独立的直接求解器,具有线性复杂度和可调精度,或者它可以作为一个黑盒预处理器与迭代法,如GMRES。建议的求解器是基于低秩近似的消除过程中产生的填充。类似于H矩阵,对应于邻接图中良好分离的块的填充通过分层结构来表示。算法的线性复杂度是有保证的,如果块对应于良好分离的变量集群是数值低秩。
2016-12-15 cs.DS cs.NA math.NA
Low-rank representation of tensor network operators with long-range pairwise interactions
张量网络算子,如矩阵乘积算子(MPO)和投影纠缠对算子(PEPO),可以提供高维空间中某些线性算子的有效表示。本文主要研究具有长程成对相互作用(如库仑相互作用)的张量网络算子的有效表示。对于MPO,我们发现所有现有的有效方法都利用了一个独特的“上三角低秩”(UTLR)属性,即矩阵的上三角部分可以很好地近似为低秩矩阵,而矩阵本身可以是满秩的。这使我们能够将找到有效的MPO表示的问题转换为矩阵完成问题。我们提出了一种改进的增量奇异值分解方法(ISVD)来解决这个病态矩阵完备化问题。该算法产生与[Stoudenmire和White,Phys. Rev. Lett. 2017年]。为了有效地处理更一般的张量网络算子,我们开发了另一种策略,用于基于分层低秩矩阵格式压缩张量网络算子,例如分层非对角低秩(HODLR)格式和$\mathcal{H}$ -矩阵格式。虽然复杂度中的前常数较大,但使用分层低秩矩阵格式的优点在于其适用于MPO和PEO两者。对于库仑相互作用,算子可以由$\mathcal{O}(\log(N)\log(N/ε))$ MPO/PEO的线性组合表示,每个MPO/PEO具有恒定的键尺寸,其中$N$是系统尺寸,$ε$是低秩截断的准确度。无论是修改后的ISVD,也不是分层低秩算法假设的长程相互作用采取的抑制不变的形式。
2019-09-05 cs.NA math.NA physics.comp-ph
A Hierarchical Singular Value Decomposition Algorithm for Low Rank Matrices
Indian Institute of Technology-Madras(印度马德拉斯理工学院)
本文提出了一种基于树结构的合并-截断算法,用于高效计算低秩矩阵的截断奇异值分解,该方法适用于任意大小的矩阵,且在单核运行时能显著提升速度,误差通常低于3%。
2019-05-10 cs.NA math.NA
GP-HMAT: Scalable, ${O}(n\log(n))$ Gaussian Process Regression with Hierarchical Low-Rank Matrices
高斯过程(GP)是一种功能强大且广泛使用的回归技术。GP回归的主要构建块是协方差核,它表征了随机场中对之间的关系。然而,找到最佳核的优化需要几个大规模且通常非结构化的矩阵求逆。我们通过引入一种分层矩阵方法(称为HMAT)来解决这一挑战,该方法可以有效地将矩阵结构以递归方式分解为显着较小的矩阵,其中可以使用直接方法进行求逆。我们的矩阵划分使用一个特定的聚合策略的数据点,这促进了低秩结构的非对角块的分层核矩阵。我们采用了一种随机线性代数方法,在不分解大矩阵的情况下,对低秩非对角块进行矩阵约简。我们提供了分析误差和成本估计的矩阵求逆,调查他们的经验与数值计算,并展示了我们的方法的应用程序的三个数值例子涉及GP回归工程问题和大规模的真实数据集。我们提供了GP-HMAT的计算机实现,适用于GP似然和导数计算的HMAT,以及最后一个数值例子在真实数据集上的实现。我们展示了优越的可扩展性的HMAT方法相比,内置的$\backslash$运营商在MATLAB中的大规模线性解决$\bf{A}\bf{x} = \bf{y}$通过可重复和可验证的实证研究。作为未来的研究,层次半可分(HSS)矩阵的扩展进行了讨论。
2021-12-17 cs.CE cs.NA math.NA
Superfast direct inversion of the nonuniform discrete Fourier transform via hierarchically semi-separable least squares
针对非均匀离散傅里叶变换矩阵的超定系统,提出利用类 Cauchy 分层低秩结构的分层最小二乘直接求解器,实现近线性复杂度,并在大规模多右端项问题中展现优势。
2025-07-24 cs.NA math.NA
HODLR3D: Hierarchical matrices for $N$-body problems in three dimensions
本文提出 HODLR3D 层次化矩阵,利用三维 $N$ 体问题中非对角子块的低秩特性加速矩阵-向量乘法,实现近线性存储与计算复杂度,适用于大规模系统。
2023-07-30 cs.NA math.NA
A High-Order Rank-Adaptive Implicit Algorithm for Solving High Dimensional Diffusion Equations using the Hierarchical Tucker Decomposition
Swarthmore College(斯沃斯莫尔学院)
本文提出采用分层塔克分解的高阶秩自适应隐式算法,用于求解高维扩散方程,通过数值实验验证其高阶精度及解秩捕获能力。
2026-08-21 cs.NA math.NA
Iterative Methods Based on Soft Thresholding of Hierarchical Tensors
本文提出基于分层张量软阈值操作的迭代方法,用于求解离散的高维椭圆问题,通过自动调整阈值参数实现近优的张量秩。
2015-01-30 cs.NA math.NA
Hierarchical Tensor Ring Completion
张量完备化可以从高阶数据的部分观测项中估计出数据的缺失值。最近的工作表明,低阶张量环逼近是解决张量完备化问题的最有力的工具之一。然而,现有的算法需要预定义的张量环秩,这在实践中可能很难确定。为了解决这个问题,我们提出了一个层次张量环分解更紧凑的表示。我们在第一层使用标准张量环将张量分解为若干个3阶子张量,在第二层对每个子张量进一步进行张量奇异值分解(t-SVD).在基于该分解的低秩张量完备化中,三阶核张量中的零元在第二层被修剪掉,这有助于自动确定张量环的秩.为了进一步提高恢复性能,我们使用全变差来利用局部分段平滑数据结构。乘子的交替方向法可以将最优化模型分解为若干个子问题,每一个子问题都可以高效求解。彩色图像和高光谱图像的数值实验表明,该算法优于国家的最先进的恢复精度。
2020-04-22 cs.NA math.NA
On the best approximation of the hierarchical matrix product
Technical University of Darmstadt(达姆施塔特工业大学);University of Basel(巴塞尔大学);ETH Zurich(苏黎世联邦理工学院)
本文提出了一种改进的分层矩阵乘法框架,通过降低乘法复杂度,实现对矩阵乘积和的低秩近似,从而获得最佳近似,且计算效率更高。
2018-05-23 cs.NA math.NA
Low-rank updates and divide-and-conquer methods for quadratic matrix equations
在这项工作中,我们考虑了两种类型的大规模二次矩阵方程:连续时间代数Riccati方程,它发挥了核心作用,在最优和鲁棒控制,和单边二次矩阵方程,它产生于随机过程的二维晶格和振动系统。我们提出了一个简单而快速的方法来更新的解决方案,这样的矩阵方程下的系数的低秩修改。基于这个过程,我们开发了一个分而治之的二次矩阵方程的系数,具有特定类型的层次低秩结构,其中包括带状矩阵的方法。这推广了线性矩阵方程的早期工作。数值实验表明,我们新提出的方法的优点相结合的分层低秩算法的迭代格式。
2019-03-06 cs.NA math.NA
Low-cost non-iterative Sylvester solvers for dynamical low-rank approximation of reaction-diffusion equations
The University of Texas at El Paso(德克萨斯大学埃尔帕索分校);Southern University of Science and Technology(南方科技大学)
本研究开发了融入BUG-MLFEM的低成本非迭代Sylvester求解器,用于反应-扩散方程动态低秩近似,通过利用代数结构降低计算复杂度,实验验证了其收敛性与加速效果。
2026-10-14 cs.NA math.NA
HODLR2D: A new class of Hierarchical matrices
本文介绍了HODLR 2D,一个新的层次低秩表示的一类稠密矩阵所产生的$N$体问题的二维。使用这个新的分层框架,我们提出了一个新的快速矩阵向量积,规模几乎线性。我们应用这种快速矩阵向量积来加速由径向基函数插值和离散积分方程引起的大型稠密线性系的迭代求解。HODLR 2D矩阵-向量积的空间和计算复杂性按比例缩放为$\mathcal{O}(pN \log(N))$,其中$p$是压缩矩阵子块的最大秩。我们还证明了$p \in \mathcal{O}(\log(N)\log(\log(N)))$,这确保了HODLR 2D矩阵矢量产品的存储和计算复杂性仍然易于处理的大型$N$。此外,作为本文的一部分,我们还介绍了HODLR 2D的并行可伸缩性。
2022-04-12 cs.NA math.NA
Fast Kalman Filter using Hierarchical-matrices and low-rank perturbative approach
Tufts University(塔夫茨大学);Stanford University(斯坦福大学)
本文提出一种快速卡尔曼滤波算法,用于随机游走预测模型。通过高效表示估计协方差矩阵,结合过程噪声协方差矩阵和低秩项,实现O(N log N)的计算复杂度。
2015-05-12 cs.NA math.NA
A distributed-memory hierarchical solver for general sparse linear systems
本文提出了一种在分布式存储机上求解一般稀疏线性系的并行层次求解器。对于大规模的问题,这种全代数算法比稀疏直接求解器更快,更节省内存,因为它利用了填充块的低秩结构。根据低秩近似的准确性,分层求解器可以用作直接求解器或预处理器。并行算法基于数据分解,只需要在每个处理器上进行局部通信来更新边界数据。此外,并行算法的计算与通信比近似为每个处理器所拥有的子域的体积与表面积之比。我们提出了各种数值结果来证明并行算法的通用性和可扩展性。
2017-12-20 cs.MS cs.NA math.NA
Tensor completion in hierarchical tensor representations
RWTH Aachen University(亚琛工业大学);Technische Universität Berlin(柏林工业大学)
本文研究了在层次张量格式中从少量测量中恢复低多线性秩张量的问题,提出基于黎曼优化的迭代硬阈值方法,并基于张量受限等距性质(TRIP)分析算法收敛性与测量数量估计。
2014-11-03 cs.IT cs.NA math.IT
H2-MG: A multigrid method for hierarchical rank structured matrices
本文提出H2-MG算法,将H2矩阵逼近与多重网格方法结合,用于高效求解含核矩阵的大型系统,兼具时间和内存效率及快速收敛性,并验证了其线性复杂度和有效性。
2025-09-11 cs.NA math.NA
Fast symmetric factorization of hierarchical matrices with applications
本文给出了一个计算弱容许条件下对称正定分层矩阵对称分解的快速直接算法,即$A = WW^T$。对于分层非对角低秩矩阵,对称因式分解的计算成本按比例缩放为$\mathcal{O}(n \log^2 n)$。一旦获得该因式分解,反演、应用和行列式计算的成本按比例缩放为$\mathcal{O}(n \log n)$。特别地,这允许在$A$是协方差阵的情况下,相关随机变量的接近最优的生成。这种对称因式分解算法依赖于两个关键因素。首先,我们提出了一个新的对称因式分解公式低秩更新的形式$I+UKU^T$的身份。如果扰动的秩足够小,则可以在$\mathcal{O}(n)$时间内计算该因式分解。第二,将该公式与递归分治策略相结合,可以得到层次结构矩阵的近似线性复杂度对称分解。我们提出的数值结果矩阵相关的问题,概率\统计(高斯过程),插值(径向基函数),和布朗动力学计算流体力学(Rotne-Prager-Yamakawa张量)。
2016-12-30 cs.NA math.NA physics.flu-dyn
Hierarchical Matrix Approximations of Hessians Arising in Inverse Problems Governed by PDEs
在由偏微分方程(PDE)控制的反问题中,Hessian算子在确定性反问题的牛顿解和贝叶斯环境下后验的马尔可夫链Monte Carlo采样的高效、维数无关的收敛中起着关键作用。这些方法需要能够重复执行海森函数的运算,如与任意向量相乘、求解线性系、求逆和(求逆)平方根。不幸的是,Hessian是一个(形式上)稠密的,隐式定义的算子,对于实际的逆问题,它很难显式地形成,需要尽可能多的PDE解作为反演参数。当数据包含关于参数的有限信息时,低秩近似是有效的,但是当数据变得更加信息化时,低秩近似变得令人望而却步。然而,实际应用中出现的许多逆问题的海森函数可以很好地用具有分层低秩结构的矩阵来逼近。分层矩阵表示有望克服密集表示的高复杂性,并提供有效的数据结构和矩阵运算,只有对数线性复杂度。在这项工作中,我们描述的算法,用于构建和更新层次矩阵近似的Hessians,并说明他们的一些代表性的逆问题,涉及时间相关的扩散,对流为主的运输,频域声波传播,和低频麦克斯韦方程组,演示了一个数量级的速度比全球低秩近似。
2020-03-23 cs.NA math.NA
Fast hierarchical low-rank view factor matrices for thermal irradiance on planetary surfaces
针对行星表面时变热建模中角系数矩阵的二次复杂度瓶颈,提出基于四叉树/八叉树与稀疏SVD的分层低秩压缩算法,实现线性存储与矩阵向量乘并带来数量级提升。
2023-07-17 cs.NA math.NA
Structured matrix recovery from matrix-vector products
本文研究仅用少量矩阵-向量乘积恢复结构化矩阵的问题,提出基于递归投影的随机化算法,以近对数复杂度高概率恢复分层低秩矩阵。
2023-05-29 cs.NA math.NA
Second Order Accurate Hierarchical Approximate Factorization of Sparse SPD Matrices
我们描述了一个二阶精确的方法来稀疏对称正定矩阵的分层近似分解的非对角块稀疏化。新方法所产生的误差的范数依赖于给定块的低秩近似中的误差的平方,而不是线性。对所得到的两电平预条件子的分析表明,该预条件子也具有二阶精度。我们将新的方法到最近的稀疏嵌套解剖算法[SIAM J.矩阵分析。应用程序、41(2020),pp. 715-746],并在广泛的问题上进行测试。新方法将收敛所需的共轭梯度迭代次数减半,具有几乎相同的因式分解复杂度,提高了算法的总运行时间。我们的方法可以结合到其他的秩结构的方法来解决稀疏线性系。
2020-08-04 cs.NA math.NA
A Preconditioner Based on Low-Rank Approximation of Schur Complements
École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
本文提出基于Schur补分层低秩压缩的预处理子,通过Hierarchically-Semi-Separable矩阵近似,实现无需原矩阵显式形式的$ LDM^t $因子分解,用于求解椭圆和双曲问题的DG有限元近似。
2015-08-31 cs.NA math.NA
Hierarchical off-diagonal low-rank approximation of Hessians in inverse problems, with application to ice sheet model initializaiton
针对 PDE 控制的大规模反问题,本文提出利用 HODLR 矩阵格式近似 Hessian 矩阵,将稠密线性代数复杂度降至对数线性,并在冰盖模型初始化中验证了其相比低秩近似在大规模问题上的优势。
2023-01-09 cs.NA math.NA math.OC
Low-rank Tree Tensor Network Operators for Long-Range Pairwise Interactions
该研究针对量子多体模拟等场景中的长程相互作用算符表示问题,建立相互作用矩阵分层低秩结构与树张量网络算符的关联,通过压缩得到紧凑表示,实验验证其优于矩阵乘积算符。
2024-05-16 cs.NA math.NA
Asymmetric Multiresolution Matrix Factorization
University of Chicago(芝加哥大学);CSAIL, MIT(麻省理工学院计算机科学与人工智能实验室);Flatiron Institute(弗莱提荣研究所)
多分辨率矩阵分解(MMF)最近被引入作为占主导地位的低秩范式的替代方案,以捕获多个不同尺度下的矩阵结构。利用多分辨分析的思想,通过构造一系列小波基,梳理出对称矩阵的层次结构。虽然对这样的矩阵有效,但有大量的数据更自然地表示为非对称矩阵(例如有向图),但仍然具有类似的分层结构。在本文中,我们探讨的技术,扩展MMF到任何方阵。我们在许多矩阵压缩任务上验证了我们的方法,与低秩方法相比,证明了它的有效性。此外,我们还表明,一个组合的低秩和MMF的方法,这相当于删除一个小的全球规模的组成部分的矩阵,然后提取层次结构的残差,是更有效的比每两个互补的矩阵压缩方法。
2019-10-10 cs.LG cs.NA math.NA
Occluded Face Recognition Using Low-rank Regression with Generalized Gradient Direction
National Taiwan University(国立台湾大学)
本文提出一种基于图像梯度方向特征与分层稀疏低秩回归模型的方法,通过ADMM框架解决“弱低秩性”优化问题,有效提升了连续人脸遮挡识别的性能并超越现有先进方法。
2019-06-06 cs.CV cs.NA eess.IV