Zum Inhalt

Erweiterte Suche

Ergebnisvorschau für Ihre aktuellen Suchbegriffe: 0

Suchoperatoren:

Sie können Operatoren mit Ihrer Suchanfrage kombinieren, um diese noch präziser einzugrenzen. Klicken Sie auf den Suchoperator, um eine Erklärung seiner Funktionsweise anzuzeigen.
Findet Dokumente mit genau dieser Wortgruppe in exakt dieser Schreibweise und Reihenfolge (z.B. "employer branding").
Findet Dokumente, in denen beide Begriffe zusammen vorkommen (z.B. vertrieb UND bonus).
Findet Dokumente, in denen einer der beiden oder beide Begriffe vorkommen (z.B. porsche OR volkswagen).
Findet Dokumente, in denen alle Begriffe vorkommen. Das Leerzeichen wird als UND interpretiert (z.B. mensch roboter alltag).
Findet Dokumente, in denen der Begriff nach NOT nicht vorkommt (z.B. ford NOT "harrison ford").
Findet Dokumente, in denen der gesuchte Begriff mehr als n mal vorkommt. n steht für eine beliebige Anzahl (z.B. COUNT(getriebe)>8).
Findet Dokumente, in denen beide Begriffe in beliebiger Reihenfolge innerhalb von maximal n Worten zueinander stehen. Empfehlung: Wählen Sie zwischen 15 und 30 als maximale Wortanzahl (z.B. NEAR(hybrid, antrieb, 20)).
Findet Dokumente, in denen der Begriff in Wortvarianten vorkommt, wobei diese VOR, HINTER oder VOR und HINTER dem Suchbegriff anschließen können (z.B., leichtbau*, *leichtbau, *leichtbau*).
Findet Dokumente mit dem Suchbegriff in verschiedenen Schreibweisen. Das ? steht für eine einzige Stelle (z.B. organi?ation).
Sonderzeichen werden als UND interpretiert (z.B. Mann + Hummel).

Semantische Suche

powered by (Link öffnet in neuem Fenster)
loading …
Anmelden
Nach oben
Calcolo

Implementation improvements and extensions of an ODE-based algorithm for structured low-rank approximation

  • 01.03.2025
Erschienen in:
Verfasst von
Antonio Fazzi
Ivan Markovsky
Konstantin Usevich
Erschienen in
Calcolo | Ausgabe 1/2025

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Der Artikel präsentiert rechnerische Verbesserungen und Erweiterungen eines ODE-basierten Algorithmus zur strukturierten Approximation von Matrizen niedrigen Ranges, wobei der Schwerpunkt auf Sylvester- und Hankel-Matrizen liegt. Es führt Verbesserungen der Recheneffizienz für Schlüsseloperationen ein und untersucht neue Anwendungen wie Zeitreihen mit fehlenden Koeffizienten und blockstrukturierten Matrizen. Numerische Experimente belegen die Wirksamkeit dieser Verbesserungen und machen den Artikel zu einer wertvollen Ressource für Spezialisten in numerischer linearer Algebra und Optimierung.
KI-Generiert

Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

Vorheriger Artikel A fast iterative regularization method for ill-posed problems
Nächster Artikel Hybrid hyperinterpolation over general regions
Titel
Implementation improvements and extensions of an ODE-based algorithm for structured low-rank approximation
Verfasst von
Antonio Fazzi
Ivan Markovsky
Konstantin Usevich
Publikationsdatum
01.03.2025
Verlag
Springer International Publishing
Erschienen in
Calcolo / Ausgabe 1/2025
Print ISSN: 0008-0624
Elektronische ISSN: 1126-5434
DOI
https://doi.org/10.1007/s10092-024-00623-y
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.

Weitere Artikel der Ausgabe 1/2025

Convergence study of two exponential wave integrator Fourier pseudo-spectral methods for the nonlinear Schrödinger equation with wave operator

Hermite and Hermite–Fejér interpolation at Pollaczek zeros

Fem on nonuniform meshes for nonlocal Laplacian: Semi-analytic Implementation in One Dimension

Unified analysis of conforming and nonconforming virtual element methods for nonlinear Sobolev equations

A second-order implicit–explicit (IMEX) method on graded meshes for nonlinear time-fractional reaction–subdiffusion problems

Finite element methods for 3D interface problems on local anisotropic hybrid meshes

Premium Partner

    ADVERTORIAL

    KI ohne Großprojekt und Risiko starten

    Mit freundlicher Unterstützung von:
    • ​​​​​​​Dell Technologies, Intel und Microsoft.
    ADVERTORIAL

    KI-Wissen für mittelständische Unternehmen (Link öffnet in neuem Fenster)

    ADVERTORIAL

    Ihre Webinar-Matineen von IT-Director und IT-Mittelstand

    Bildnachweise
    AvePoint Deutschland GmbH/© AvePoint Deutschland GmbH, NTT Data/© NTT Data, Wildix/© Wildix, arvato Systems GmbH/© arvato Systems GmbH, Ninox Software GmbH/© Ninox Software GmbH, Nagarro GmbH/© Nagarro GmbH, GWS mbH/© GWS mbH, CELONIS Labs GmbH, USU GmbH/© USU GmbH, G Data CyberDefense/© G Data CyberDefense, Vendosoft/© Vendosoft, Deutsche Telekom MMS GmbH/© Vendosoft, Noriis Network AG/© Noriis Network AG, ams.solutions GmbH/© ams.solutions GmbH, Ferrari electronic AG/© Ferrari electronic AG, Asseco Solutions AG/© Asseco Solutions AG, AFB Gemeinnützige GmbH/© AFB Gemeinnützige GmbH, Haufe Group SE/© Haufe Group SE, Doxee AT GmbH/© Doxee AT GmbH , Videocast 1: Standbild/© Springer Fachmedien Wiesbaden, KI-Wissen für mittelständische Unternehmen/© Dell_Getty 1999938268, IT-Director und IT-Mittelstand: Ihre Webinar-Matineen /© da-kuk / Getty Images / iStock