多维观测的矩阵参数建模与加权最小二乘估计

针对常规向量参数法多维观测建模与平差效率低的问题,分析指出多维观测矩阵参数建模条件应满足不同观测维度的参数独立且个数相等特点(简称独立同构特征),进而利用该建模条件、Kronecker积运算性质和加权最小二乘原理提出矩阵参数建模与加权最小二乘估计方法。该方法顾及不同观测维互相关性,增大系数阵稠密度,降低法矩阵阶数,从而有效提高了建模与平差计算效率。空间直线和GPS站坐标时序模型计算结果均表明,向量参数法和矩阵参数法平差结果相同,但后者具有更高的存储与计算效率。

数值线性代数算法在工程软件中的应用与意义

线性代数作为一种基础的数学工具,通过对几何的解析,线性代数能够被进行具体的表示。提升高级计算机体系结构的效率对科学计算在各个领域的应用有着一个显著的影响,包括算法研究和数值选型代数算法软件。线性代数,特别是求解线性方程的解,处于关键性的位置。本文将讨论一些最新的关于线性代数对计算机体系结构研究的影响,主要对稠密矩阵算法进行研究讨论。

量子谱回归算法

子空间学习是机器学习领域的重要研究方向.为了降低子空间学习的复杂度,Cai等人提出了谱回归降维框架,并针对结合标签构造对应图的子空间学习提出了高效谱回归.近年来,量子计算的发展使进一步降低子空间学习算法的复杂度成为了可能.Meng等人率先提出了量子谱回归算法(MYXZ算法).MYXZ算法用了稀疏哈密顿量模拟技术来处理由权重矩阵生成的矩阵,但这个矩阵在较多的情况下是稠密矩阵.针对这种情况,指出了MYXZ算法的局限性,提出了一个改进的量子谱回归算法.改进算法采用了量子奇异值估计技术,在处理稠密矩阵时相对MYXZ算法有多项式加速.另外,提出了一个新的量子算法,对经典的高效谱回归进行加速.新算法能处理的这类问题是MYXZ算法无法处理的.新算法利用了量子岭回归和量子矩阵向量乘技术,在相同的参数条件下相对经典算法具有多项式加速效果.

基于异构计算平台的混合撕裂有限元求解优化技术

混合撕裂有限元法(Hybrid Total Finite Element Tearing and Interconnecting method,HTFETI)适用于求解结构力学、热力学等问题,是一种非重叠的区域分解方法,适用于大规模求解.但是在异构计算平台上对反应堆堆芯组件进行数值模拟时,采用混合撕裂有限元法会出现进程内和进程间的负载不均衡现象.在混合撕裂有限元求解器中.最主要的计算是稠密矩阵向量乘.针对进程内和进程间出现的负载不均衡现象,本文实现了动态负载均衡技术,充分利用了节点内和节点间的处理器资源.加快求解速度.最后,本文通过数值实验验证了上述优化技术能够加快混合撕裂有限元法的求解速度8.2%〜9.4%.