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

- 321653
Trabalho completo
Favoritar este trabalho
Como citar esse trabalho?
Resumo

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.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 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)
Eixo Temático
  • ST03 - Computação Científica
Palavras-chave
computação de alto desempenho
sistemas lineares esparsos
precondicionadores
rede neural convolucional
classificação multi-classe