Uma comparação entre métodos baseados em images ou parâmetros escalares para a seleção de precondicionadores

- 321653
Complete paper
Favorite this paper
How to cite this paper?
Abstract

Em computação de alto desempenho (HPC), a solução eficiente de grandes sistemas lineares esparsos é fundamental,
sendo os métodos iterativos a escolha predominante. No entanto, a performance desses métodos está ligada ao precondicionador
 escolhido. A diversidade das matrizes esparsas
dificulta a escolha dos precondicionadores. Avançando em metodologias anteriores,  apresentamos uma representação da esparsidade de matrizes
 por meio de imagens RGB. Utilizando uma rede neural convolucional
(CNN), a tarefa de seleção do precondicionador se transforma em um problema de classificação
multi-classe. Testes extensivos em 126 matrizes da coleção SuiteSparse enfatizam a
adequação do modelo CNN, observando um aumento de 32\% na acurácia e uma redução de 25\%
no tempo de execução.

Share your ideas or questions with the authors!

Did you know that the greatest stimulus in scientific and cultural development is curiosity? Leave your questions or suggestions to the author!

Sign in to interact

Have a question or suggestion? Share your feedback with the authors!

Institutions
  • 1 UFC
  • 2 UERJ
  • 3 Fundação Oswaldo Cruz
  • 4 ITA
  • 5 Departamento de Matemática Aplicada / Instituto de Matemática / Universidade Federal de Juiz de Fora
  • 6 Petrobras (Brazil)
Track
  • ST03 - Scientific Computing
Keywords
computação de alto desempenho
sistemas lineares esparsos
precondicionadores
rede neural convolucional
classificação multi-classe