层次化近似适当正交分解
摘要：高效的正交分解（Proper Orthogonal Decomposition，POD）是一种广泛使用的技术，用于从高维输入数据构建低维逼近空间。然而，对于大规模应用和不断增加的输入数据向量，计算POD通常变得难以承受。本文提出了一种通用且易于实现的方法，基于任意树层级的工作节点计算近似POD，其中每个工作节点仅计算一小部分输入向量的POD。树的层级可以根据可用计算资源自由调整以获得最佳效果。特别是，这种分层近似POD（HAPOD）既可以在低通信开销的简单并行化下进行，也可以在受限内存容量下进行实时顺序POD计算。严格的误差估计确保我们方法的可靠性，并广泛的数值例子证实了其性能。
作者：Christian Himpe, Tobias Leibner and Stephan Rave
论文ID：1607.05210
分类：Numerical Analysis
分类简称：math.NA
提交时间：2021-06-09