توضیحات
List of Figures — List of Tables — List of Algorithms — Notations used in the book — Part I Basics — Parallel Programming Paradigms — Computational Models — Principles of parallel programming — Fundamental kernels — Vector operations — Higher level BLAS — General organization for dense matrix factorizations — Sparse matrix computations — Part II Dense and special matrix computations — Recurrences and triangular systems — Definitions and examples — Linear recurrences — Implementations for a given number of processors — Nonlinear recurrences — General linear systems — Gaussian elimination — Pair wise pivoting — Block LU factorization — Remarks — Banded linear systems — LUbased schemes with partial pivoting — The Spike family of algorithms — The Spike balance scheme — A tearing based banded solver — Tridiagonal systems — Special linear systems — Vandermonde solvers — Banded Toeplitz linear systems solvers — Symmetric and Anti symmetric Decomposition (SAS) — Rapid elliptic solvers — Orthogonal factorization and linear least squares problems — Definitions — QR factorization via Givens rotations — QR factorization via Householder reductions — Gram Schmidt orthogonalization — Normal equations vs. orthogonal reductions — Hybrid algorithms when m>>n — Orthogonal factorization of block angular matrices — Rank deficient linear least squares problems — The symmetric eigenvalue and singular value problems — The Jacobi algorithms — Tridiagonalization based schemes — Bidiagonalization via Householder reduction — Part III Sparse matrix computations — Iterative schemes for large linear systems — An example — Classical splitting methods — Polynomial methods — Preconditioners — A tearing based solver for generalized banded preconditioners — Row projection methods for large non symmetric linear systems — Multiplicative Schwarz preconditioner with GMRES — Large symmetric eigenvalue problems — Computing dominant eigenpairs and spectral transformations — The Lanczos method — A block Lanczos approach for solving symmetric perturbed standard eigenvalue problems — The Davidson methods — The trace minimization method for the symmetric generalized eigenvalue problem — The sparse singular value problem — Part IV Matrix functions and characteristics — Matrix functions and the determinant — Matrix functions — Determinants — Computing the matrix pseudospectrum — Grid based methods — Dimensionality reduction on the domain: Methods based on path following — Dimensionality reduction on the matrix: Methods based on projection — Notes — References.;This book is primarily intended as a research monograph that could also be used in graduate courses for the design of parallel algorithms in matrix computations. It assumes general but not extensive knowledge of numerical linear algebra, parallel architectures, and parallel programming paradigms. The book consists of four parts: (I) Basics; (II) Dense and Special Matrix Computations; (III) Sparse Matrix Computations; and (IV) Matrix functions and characteristics. Part I deals with parallel programming paradigms and fundamental kernels, including reordering schemes for sparse matrices. Part II is devoted to dense matrix computations such as parallel algorithms for solving linear systems, linear least squares, the symmetric algebraic eigenvalue problem, and the singular-value decomposition. It also deals with the development of parallel algorithms for special linear systems such as banded, Vandermonde, Toeplitz, and block Toeplitz systems. Part III addresses sparse matrix computations: (a) the development of parallel iterative linear system solvers with emphasis on scalable preconditioners, (b) parallel schemes for obtaining a few of the extreme eigenpairs or those contained in a given interval in the spectrum of a standard or generalized symmetric eigenvalue problem, and (c) parallel methods for computing a few of the extreme singular triplets. Part IV focuses on the development of parallel algorithms for matrix functions and special characteristics such as the matrix pseudospectrum and the determinant. The book also reviews the theoretical and practical background necessary when designing these algorithms and includes an extensive bibliography that will be useful to researchers and students alike. The book brings together many existing algorithms for the fundamental matrix computations that have a proven track record of efficient implementation in terms of data locality and data transfer on state-of-the-art systems, as well as several algorithms that.
————————————————————–
ترجمه ماشینی :
فهرست شکل ها — فهرست جداول — فهرست الگوریتم ها — نمادهای استفاده شده در کتاب — مبانی قسمت اول — پارادایم های برنامه ریزی موازی — مدل های محاسباتی — اصول برنامه ریزی موازی — هسته های بنیادی — عملیات برداری — BLAS سطح بالاتر — سازماندهی عمومی برای فاکتورسازی های ماتریس متراکم — محاسبات ماتریس پراکنده — قسمت دوم محاسبات ماتریس متراکم و ویژه — تکرارها و سیستم های مثلثی — تعاریف و مثال ها — تکرارهای خطی — پیاده سازی برای تعداد معینی از پردازنده ها – – عودهای غیرخطی – سیستمهای خطی عمومی – حذف گاوسی – چرخش جفتی – فاکتورسازی بلوکی LU – نکات – سیستمهای خطی نواری – طرحهای مبتنی بر LU با چرخش جزئی – الگوریتمهای خانواده اسپایک – طرح تعادل اسپایک – حلگر نواری مبتنی بر پاره شدن – سیستمهای سهضلعی – سیستمهای خطی ویژه – حلکنندههای واندرموند – حلکنندههای سیستمهای خطی تاپلیتز نواری – تجزیه متقارن و ضد متقارن (SAS) – حلکنندههای بیضوی سریع – عاملسازی متعامد و حداقل مربعات خطی مسائل — تعاریف — فاکتورسازی QR از طریق چرخش های Givens — فاکتورسازی QR از طریق کاهش های خانوار — متعامد سازی گرم اشمیت — معادلات عادی در مقابل کاهش های متعامد — الگوریتم های ترکیبی زمانی که m>>n — فاکتورسازی متعامد ماتریس های زاویه ای بلوک — مسایل حداقل مربعات خطی کمبود رتبه — مسائل ارزش ویژه متقارن و مقادیر تک — الگوریتم های ژاکوبی — طرح های مبتنی بر سه ضلعی — دوطرفه سازی از طریق کاهش خانوار — قسمت سوم محاسبات ماتریس پراکنده — طرح های تکراری برای سیستم های خطی بزرگ — یک مثال – روشهای تقسیم کلاسیک – روشهای چند جملهای – پیششرطیکنندهها – یک حلکننده مبتنی بر پاره شدن برای پیششرطیکنندههای باندی تعمیمیافته – روشهای طرحریزی ردیفی برای سیستمهای خطی غیر متقارن بزرگ – پیششرطیکننده شوارتز ضربی با GMRES – مشکلات بزرگ متقارن ارزش ویژه – محاسبات غالب جفتهای ویژه و تبدیلهای طیفی — روش Lanczos — یک رویکرد Lanczos بلوکی برای حل مسائل ارزش ویژه استاندارد آشفته متقارن — روشهای دیویدسون — روش کمینهسازی ردیابی برای مسئله ارزش ویژه تعمیمیافته متقارن — مسئله ارزش منفرد پراکنده — قسمت چهارم توابع و ویژگی های ماتریس — توابع ماتریس و تعیین کننده — توابع ماتریس — عوامل تعیین کننده — محاسبه شبه طیف ماتریس — روش های مبتنی بر شبکه — کاهش ابعاد در حوزه: روش های مبتنی بر مسیر زیر — کاهش ابعاد در ماتریس: روشهای مبتنی بر فرافکنی — یادداشتها — مراجع. این کتاب عمدتاً به عنوان یک تک نگاری تحقیقاتی در نظر گرفته شده است که میتواند در دورههای تحصیلات تکمیلی برای طراحی الگوریتمهای موازی در محاسبات ماتریسی نیز مورد استفاده قرار گیرد. این دانش کلی اما نه گسترده از جبر خطی عددی، معماری های موازی و پارادایم های برنامه نویسی موازی را فرض می کند. این کتاب از چهار بخش تشکیل شده است: (I) مبانی; (II) محاسبات ماتریسی متراکم و ویژه. (III) محاسبات ماتریس پراکنده. و (IV) توابع و ویژگی های ماتریس. بخش اول به پارادایمهای برنامهنویسی موازی و هستههای بنیادی، از جمله طرحهای مرتبسازی مجدد برای ماتریسهای پراکنده میپردازد. بخش دوم به محاسبات ماتریسی متراکم مانند الگوریتمهای موازی برای حل سیستمهای خطی، حداقل مربعات خطی، مسئله مقادیر ویژه جبری متقارن، و تجزیه ارزش تکی اختصاص دارد. همچنین به توسعه الگوریتمهای موازی برای سیستمهای خطی خاص مانند سیستمهای باندی، واندرموند، تاپلیتز و بلوک تاپلیتز میپردازد. بخش سوم به محاسبات ماتریس پراکنده میپردازد: (الف) توسعه حلکنندههای سیستم خطی تکراری موازی با تأکید بر پیششرطیکنندههای مقیاسپذیر، (ب) طرحهای موازی برای به دست آوردن چند جفت ویژه شدید یا آنهایی که در یک بازه معین در طیف یک استاندارد وجود دارند. یا مسئله ارزش ویژه متقارن تعمیم یافته، و (ج) روش های موازی برای محاسبه چند تا از سه گانه های مفرد شدید. بخش چهارم بر توسعه الگوریتم های موازی برای توابع ماتریس و ویژگی های خاص مانند شبه طیف ماتریس و تعیین کننده تمرکز دارد. این کتاب همچنین پیشینه نظری و عملی لازم هنگام طراحی این الگوریتمها را مرور میکند و شامل کتابشناسی گستردهای است که برای محققان و دانشجویان مفید خواهد بود. این کتاب بسیاری از الگوریتمهای موجود برای محاسبات ماتریس بنیادی را گرد هم میآورد که سابقه اثبات شده اجرای کارآمد از نظر موقعیت داده و انتقال داده در سیستمهای پیشرفته و همچنین چندین الگوریتم را دارند.
tag : دانلود کتاب موازی سازی در محاسبات ماتریسی , Download موازی سازی در محاسبات ماتریسی , دانلود موازی سازی در محاسبات ماتریسی , Download Parallelism in Matrix Computations Book , موازی سازی در محاسبات ماتریسی دانلود , buy موازی سازی در محاسبات ماتریسی , خرید کتاب موازی سازی در محاسبات ماتریسی , دانلود کتاب Parallelism in Matrix Computations , کتاب Parallelism in Matrix Computations , دانلود Parallelism in Matrix Computations , خرید Parallelism in Matrix Computations , خرید کتاب Parallelism in Matrix Computations ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.