×
Christian Himpe先生；托拜厄斯·莱布纳；斯蒂芬·雷夫

层次近似固有正交分解。 （英语） Zbl 06948618号

SIAM J.科学。计算。 40，第5号，A3267-A3292（2018）.
摘要：正确正交分解（POD）是从高维输入数据构造低维近似空间的一种广泛使用的技术。然而，对于大规模应用和越来越多的输入数据向量，计算POD通常会变得非常昂贵。这项工作提出了一种通用的、易于实现的方法，用于根据工作节点的任意树层次结构计算近似POD，其中每个工作节点只计算少量输入向量的POD。树层次结构可以自由调整，以最适合可用的计算资源。特别是，这种分层近似POD（HAPOD）既可以实现低通信开销的简单并行化，也可以在内存容量受限的情况下实现增量POD计算。严格的误差估计确保了我们方法的可靠性，大量的数值示例强调了其性能。

引用于22文件

MSC公司：

65岁99岁 数值算法的计算机方面
65平方米 含偏微分方程初值和初边值问题离散方程的数值解
65层99 数值线性代数
68宽10 计算机科学中的并行算法
68宽15 分布式算法

关键词：

模型简化；真正交分解；奇异值分解；并行算法；分布式算法

软件：

LAPACK公司；倍频程；科学Py；快乐；皮莫尔；图书馆只读存储器；电子显微镜
PDF格式BibTeX公司 XML格式引用
\textit{C.Himpe}等人，SIAM J.Sci。计算。40，第5号，A3267--A3292（2018；Zbl 06948618）
全文： 内政部 arXiv公司

参考文献：

[1] G.W.Alldredge、C.D.Hauck和A.L.Tits，板几何中线性传输的高阶熵闭包Ⅱ：优化问题的计算研究，SIAM J.科学。计算。，34（2012），第B361–B391页·Zbl 1297.82032号
[2] E.Anderson、Z.Bai、C.Bischof、S.Blackford、J.Demmel、J.Dongarra、J.Du Croz、A.Greenbaum、S.Hammarling、A.McKenney和D.Sorensen，LAPACK用户指南第三版，SIAM，费城，1999年·Zbl 0934.65030号
[3] C.Baker、K.Gallivan和P.V.Dooren，计算优势奇异子空间的低秩增量方法，线性代数应用。，436（2012），第2866-2888页·Zbl 1241.65036号
[4] C.Beattie、J.Borggaard、S.Gugercin和T.Iliescu，POD的区域分解方法，《第45届IEEE决策与控制会议记录》，2006年，第6750–6756页。
[5] M.Berry、D.Mezher、B.Philippe和A.Sameh，奇异值分解的并行算法，《并行计算与统计手册》，Chapman和Hall/CRC，2005年，第117–164页。
[6] M.品牌，轻量级推荐系统的快速在线SVD修订，《2003年SIAM国际数据挖掘会议记录》，SIAM，费城，2003年，第37-46页。
[7] M.品牌，薄奇异值分解的快速低阶修正《线性代数及其应用》，415（2006），第20–30页·Zbl 1088.65037号
[8] B.Brands、J.Mergheim和P.Steinmann，参数化移动热源线性热传导的降阶模型GAMM-Mitteilungen，39（2016），第170-188页·Zbl 1397.74050号
[9] T.A.Brunner和J.P.Holloway，中子输运的二维时变Riemann解算器，J.计算机。物理。，210（2005），第386-399页·Zbl 1077.82023号
[10] J.Chen和Y.Saad，有效降维的Lanczos向量与奇异向量，IEEE传输。知识。数据工程，21（2009），第1091-1103页。
[11] P.Constantine和D.Gleich，MapReduce架构中的高而细的QR分解，载于《MapReduce’11第二届MapReduced及其应用国际研讨会论文集》，ACM，纽约，2011年，第43–50页。
[12] P.G.Constantine、D.F.Gleich、Y.Hou和J.Templeton，基于MapReduce的高瘦奇异值分解模型约简，SIAM J.科学。计算。，36（2014），第S166–S199页·Zbl 1307.65045号
[13] P.Drineas、R.Kannan和M.W.Mahoney，矩阵的快速蒙特卡罗算法II：计算矩阵的低阶近似，SIAM J.计算。，36（2006），第158-183页·Zbl 1111.68148号
[14] J.W.Eaton、D.Bateman、S.Hauberg和R.Wehbring，GNU Octave 4.2.1版手册：数值计算的高级交互语言，可在线获取，网址：，2017。
[15] K.Fernando和H.Nicholson，SISO系统的平衡表示和其他主表示的结构，IEEE传输。自动化。控制。，28（1983年），第228-231页·Zbl 0507.93021号
[16] M.Gubisch和S.Volkwein，第一章：线性二次型最优控制的本征正交分解，摘自《模型简化和近似：理论和算法》，SIAM，费城，2016年，第3-63页。
[17] N.Halko、P.Martinsson和J.Tropp，寻找随机结构：构造近似矩阵分解的概率算法SIAM Rev.，53（2011），第217-288页·Zbl 1269.65043号
[18] C.Himpe，emgr-经验Gramian框架《算法》，11（2018），91·Zbl 1461.93059号
[19] C.Himpe，emgr-EMpirical GRamian框架（版本：5.1），2017年在线提供。
[20] C.Himpe和M.Ohlberger，经验葛兰人的统一软件框架，J.数学。，2013 (2013), 365909, . ·Zbl 1486.93001号
[21] C.Himpe和M.Ohlberger，基于Cross-Gramian的大型控制系统组合状态与参数降阶，数学。问题。工程，2014（2014），843869·Zbl 1384.93029号
[22] M.P.Holmes、J.Isbell、C.Lee和A.G.Gray，QUIC-SVD：使用余弦树的快速SVD《神经信息处理系统进展》21，D.Koller、D.Schuurmans、Y.Bengio和L.Bottou，eds.，Curran Associates，2009年，第673–680页。
[23] P.Holmes、J.Lumley、G.Berkooz和C.Rowley，湍流、相干结构、动力系统和对称性《剑桥力学专著》，剑桥大学出版社，英国剑桥，2012年·Zbl 1251.76001号
[24] M.A.Iwen和B.W.Ong，用于大型网络聚集数据分析的分布式增量SVD算法，SIAM J.矩阵分析。申请。，37（2016），第1699–1718页·Zbl 1349.15041号
[25] Ji H.、Yu W.和Li Y，低秩矩阵逼近的秩揭示随机奇异值分解（R3SVD）算法，预印本，2016年，2016年。
[26] E.Jones、T.Oliphant、P.Peterson等人。，SciPy:Python开源科学工具，2017年在线提供。
[27] K.Kunisch和S.Volkwein，采用适当正交分解的降阶方法控制Burgers方程，J.Optim。理论应用。，102（1999），第345–371页·Zbl 0949.93039号
[28] K.Kunisch和S.Volkwein，流体动力学一般方程的Galerkin本征正交分解方法，SIAM J.数字。分析。，40（2002），第492-515页·Zbl 1075.65118号
[29] T.莱布纳，动力学方程的数值方法，硕士论文，德国穆斯特Westfaílische Wilhelms-Universitaát Muñnster，2015。
[30] R.J.LeVeque，守恒定律的数值方法，Birkha¨user，巴塞尔，1990年·兹比尔0723.65067
[31] R.J.LeVeque，双曲问题的有限体积方法，剑桥文本应用。数学。31，剑桥大学出版社，英国剑桥，2002年·Zbl 1010.65040号
[32] S.V.Macua、P.Belanovic和S.Zazo，无线传感器网络中基于一致性的分布式主成分分析，2010年IEEE第十一届无线通信信号处理进展国际研讨会（SPAWC），2010年，第1-5页。
[33] 消息传递接口论坛，MPI:消息传递接口标准（3.1版），2015年。
[34] R.Milk、S.Rave和F.Schindler，pyMOR–模型降阶的通用算法和接口，SIAM J.科学。计算。，38（2016），第S194–S216页·Zbl 1352.65453号
[35] B.摩尔，非线性系统的主成分分析：初步结果，第18届IEEE决策与控制会议，包括自适应过程研讨会，1979年第2卷，第1057–1060页。
[36] MORwiki社区，MORwiki-模型订单缩减Wiki, 2018.
[37] G.Oxberry、T.Kostova-Vassilevska、W.Arrighi和K.Chand，适当正交分解的有限内存自适应快照选择，国际。J.数字。方法工程，109（2017），第198-217页。
[38] A.Paul-Dubois-Taine和D.Amsallem，参数降阶模型最优训练的自适应高效贪婪过程，国际。J.数字。方法工程，102（2015），第1262-1292页·Zbl 1352.65217号
[39] pyMOR开发人员，pyMOR-使用Python进行模型降阶, 2013–2017.
[40] H.Qi、T.-W.Wang和J.D.Birdwell，分布式数据挖掘中降维的全局主成分分析，《统计数据挖掘与知识发现》，Chapman&Hall/CRC，佛罗里达州博卡拉顿，2004年，第327–342页。
[41] Y.Qu、G.Ostrouchov、N.Samatova和A.Geist，大规模分布式数据集降维的主成分分析，《第二届SIAM数据挖掘国际会议论文集》，SIAM，费城，2002年，第1-12页。
[42] V.Rokhlin、A.Szlam和M.Tygert，一种用于主成分分析的随机算法，SIAM J.矩阵分析。申请。，31（2010），第1100-1124页·Zbl 1198.65035号
[43] T.Sayadi、C.Hamman和P.Schmid，数据驱动分解的并行QR算法，湍流研究中心，《2014年夏季计划会议录》，2014年，第335-343页。
[44] F.辛德勒，沙丘-gdt, 2016.
[45] F.Schneider、G.Alldredge、M.Frank和A.Klar，一维Fokker–Planck方程的高阶混合矩近似，SIAM J.应用。数学。，74（2014），第1087-1114页·Zbl 1307.35301号
[46] L.Sirovich，湍流与相干结构动力学第一部分：相干结构，夸脱。申请。数学。，45（1987），第561-571页·Zbl 0676.76047号
[47] S.Solovyev和S.Tordeux，在地质勘探背景下计算超大矩阵的SVD，第六届EAGE圣彼得堡国际会议和展览，2014年。
[48] S.Solovyev和S.Tordeux，地球物理反问题分析中的大规模奇异值分解计算，《WCCM XI–ECCM V–ECFD VI会议记录》，2014年，第2861–2869页。
[49] D.Sorensen和A.Antoulas，Sylvester方程与近似平衡约化，线性代数应用。，351-352（2002），第671-700页·Zbl 1023.93012号
[50] Z.Wang、B.McBee和T.Iliescu，POD快照的近似分区方法，J.计算。申请。数学。，307（2016），第374–384页·Zbl 1382.65108号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。