Сокращение - объем - вычисление
Cтраница 2
Непосредственно для двухмерных сверток сокращение объема вычислений обеспечивает алгоритм Нуссбаумера, в котором используются полиномиальные преобразования, позволяющие заменять значительную часть умножений циклическими сдвигами. [16]
Рассмотрим еще один возможный способ сокращения объема вычислений, который удается применить при решении некоторых задач точности методом вероятностного моделирования. Этот способ связан с перестройкой моделирующего алгоритма, при которой удается исключить часть вычислений, связанную с реализациями, не оказывающими влияния на конечные результаты. В качестве иллюстрации рассмотрим дополнительный эффект ускорения процесса моделирования, который может дать соответствующая модификация моделирующего алгоритма, на примере рассмотренной выше задачи оценки точности двухступенчатого автоматического контроля. [17]
Заслуживает внимания предложенный Гилмором и Гомори прием сокращения объема вычислений, называемый методом медианы. Этот метод связан с решением следующей проблемы. [18]
При большом количестве расходомеров, с целью сокращения объема вычислений суточного расхода газа, расчетные формулы могут быть упрощены путем введения суточных коэффициентов расхода. [19]
Определение общих подвыражений в алгебраических выражениях может привести к сокращению объема вычислений, поскольку некоторые операции могут быть вынесены за скобки. Редукция к UJNF позволяет более просто определять общие подвыражения: U - и J-уравнения можно рассматривать отдельно. [20]
Известен ряд модификаций метода Уоллеса - Каца, направленны на сокращение объема вычислений. Так, сами авторы [63] отметили, что после каждого преобразования можно сравнивать все ( а не только диагональные) элементы матрицы оптических плотностей с соответствующими элементами матрицы погрешностей. [21]
Существуют различные модификации метода сканирования, применяемые в основном для сокращения объема вычислений. Одна из таких модификаций заключается в том, что используется алгоритм с переменным шагом сканирования. Вначале величина шага выбирается достаточно большой, по возможности значительно превышающей требуемую точность определения положения оптимума, и выполняется грубый поиск, который локализует область нахождения глобального оптимума. После того как эта область определена, производится поиск с меньшим шагом только в пределах указанной области. Практически можно организовать целый ряд таких процедур последовательного уточнения положения оптимума. [22]
Известен ряд модификаций метода Уоллеса - Каца, направленных на сокращение объема вычислений. Так, сами авторы [63] отметили, что после каждого преобразования можно сравнивать все ( а не только диагональные) элементы матрицы оптических плотностей с соответствующими элементами матрицы погрешностей. [23]
Существуют различные модификации метода сканирования, применяемые в основном для сокращения объема вычислений. Одна из таких модификаций заключается в том, что используется алгоритм с переменным шагом сканирования. Вначале величина шага выбирается достаточно большой, по возможности значительно превышающей требуемую точность определения положения оптимума, и выполняется грубый поиск, который локализует область нахождения глобального оптимума. После того как область определена, производится поиск с меньшим шагом только в пределах указанной области. Практически можно организовать целый ряд таких процедур последовательного уточнения оптимума. [24]
В сопоставлении с методом градиента метод наискорейшего спуска более выгоден из-за сокращения объема вычислений. По существу метод наискорейшего спуска по объему вычислений эквивалентен методу релаксации, однако выгодно отличается тем, что по крайней мере первые шаги после определения градиента осуществляются - в оптимальном направлении. Вблизи оптимума направление градиента меняется резко, поэтому указанный метод автоматически переходит в метод градиента, так как минимум по каждому направлению находится за небольшое число шагов. [25]
Эти обстоятельства иногда позволяют использовать принцип двойственности в задачах линейного программирования для сокращения объема вычислений в процессе решения задачи и экономии необходимого объема запоминающих устройств вычислительной машины. Поскольку результаты решения исходной и двойственной задач совпадают, можно так выбрать представление решаемой задачи, чтобы обеспечить выполнение матричных операций с матрицами меньшего порядка. [26]
 |
Характер движения к оптимуму в ме -..., - оде наискорейшего спус - где х и vj - координаты начальной и конечной. [27] |
В сопоставлении с методом градиента метод наискорейшего спуска оказывается более выгодным из-за сокращения объема вычислений. По существу метод наискорейшего спуска по вычислительным затратам эквивалентен методу релаксации, однако выгодно отличается от пего тем, что по крайней мере первые шаги после определения градиента производятся в оптимальном направлении. Вблизи оптимума направление градиента меняется резко, поэтому указанный метод автоматически переходит в метод градиента так как минимум по каждому направлению находится за небольшое число шагов. На рис. IX-13 показаны возможная траектория движения к оптимуму при применении метода наискорейшего спуска и траектория движения к оптимуму при использовании метода градиента. [28]
В сопоставлении с методом градиента метод наискорейшего спуска оказывается более выгодным из-за сокращения объема вычислений. По существу метод наискорейшего спуска по вычислительным затратам эквивалентен методу релаксации, однако выгодно отличается от него тем, что по крайней мере первые шаги после определения градиента производятся в оптимальном направлении. Вблизи оптимума направление градиента меняется резко, поэтому указанный метод автоматически переходит в метод градиента, так как минимум по каждому направлению находится за небольшое число шагов. [29]
Очевидно, что второй вариант состава A3 предпочтительнее, так как обеспечивает большее сокращение объема вычислений на втором этапе анализа. Однако он может быть использован не во всех возможных случаях, о чем в дальнейшем будет сказано подробнее. [30]
Страницы: 1 2 3 4