Алгоритм дополнения матриц: различия между версиями
Перейти к навигации
Перейти к поиску
| [непроверенная версия] | [непроверенная версия] |
Нет описания правки |
|||
| Строка 1: | Строка 1: | ||
{{algorithm | {{algorithm | ||
| name = Восстановление матриц | | name = Восстановление матриц | ||
| serial_complexity = <math>O( | | serial_complexity = <math>O(|\Omega|r^2)</math> | ||
| pf_height = <math> | | pf_height = <math>const</math> | ||
| pf_width = <math> | | pf_width = <math>const</math> | ||
| input_data = <math>\frac{ | | input_data = <math>\frac{|\Omega|}{2}</math> | ||
| output_data = <math>\frac{ | | output_data = <math>\frac{2nr}{2}</math> | ||
}} | }} | ||
Версия от 18:03, 26 октября 2021
| Восстановление матриц | |
| Последовательный алгоритм | |
| Последовательная сложность | [math]\displaystyle{ O(|\Omega|r^2) }[/math] |
| Объём входных данных | [math]\displaystyle{ \frac{|\Omega|}{2} }[/math] |
| Объём выходных данных | [math]\displaystyle{ \frac{2nr}{2} }[/math] |
| Параллельный алгоритм | |
| Высота ярусно-параллельной формы | [math]\displaystyle{ const }[/math] |
| Ширина ярусно-параллельной формы | [math]\displaystyle{ const }[/math] |
Свойства и структура алгоритма
Общее описание алгоритма
Математическое описание алгоритма
Макроструктура алгоритма
Схема реализации последовательного алгоритма
Последовательная сложность алгоритма
Информационный граф
Ресурс параллелизма алгоритма
Входные и выходные данные алгоритма
Свойства алгоритма
Программная реализация алгоритма
Особенности реализации последовательного алгоритма
Локальность данных и вычислений
Локальность реализации алгоритма
Структура обращений в память и качественная оценка локальности
Количественная оценка локальности
Возможные способы и особенности параллельной реализации алгоритма
Масштабируемость алгоритма и его реализации
Масштабируемость алгоритма
Масштабируемость реализации алгоритма
Динамические характеристики и эффективность реализации алгоритма
Выводы для классов архитектур
Существующие реализации алгоритма
Литература
[1] Guaranteed Rank Minimization via Singular Value Projection.Raghu Meka, Prateek Jain, Inderjit S. Dhillon // arXiv:0909.5457
[2] Low-rank matrix completion by Riemannian optimization. Bart Vandereycken // arXiv:0909.5457