Zobrazeno 1 - 10
of 102
pro vyhledávání: '"Xia, Jianlin"'
In this paper, we propose a structure-guided Gauss-Newton (SgGN) method for solving least squares problems using a shallow ReLU neural network. The method effectively takes advantage of both the least squares structure and the neural network structur
Externí odkaz:
http://arxiv.org/abs/2404.05064
Autor:
Xia, Jianlin
The Nystr\"om method is a convenient heuristic method to obtain low-rank approximations to kernel matrices in nearly linear complexity. Existing studies typically use the method to approximate positive semidefinite matrices with low or modest accurac
Externí odkaz:
http://arxiv.org/abs/2307.05785
Autor:
Ou, Xiaofeng, Xia, Jianlin
For dense Hermitian matrices with small off-diagonal (numerical) ranks and in a hierarchically semiseparable form, we give a stable divide-and-conquer eigendecomposition method with nearly linear complexity (called SuperDC) that significantly improve
Externí odkaz:
http://arxiv.org/abs/2108.04209
Autor:
Xia, Jianlin
We propose an unconditionally robust and highly effective preconditioner for general symmetric positive definite (SPD) matrices based on structured incomplete factorization (SIF), called enhanced SIF (eSIF) preconditioner. The original SIF strategy p
Externí odkaz:
http://arxiv.org/abs/2007.03729
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
It has been known in potential theory that, for some kernels matrices corresponding to well-separated point sets, fast analytical low-rank approximation can be achieved via the use of proxy points. This proxy point method gives a surprisingly conveni
Externí odkaz:
http://arxiv.org/abs/1903.08821
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Lepilov, Mikhail, Xia, Jianlin
Publikováno v:
Numerical Linear Algebra with Applications; Jan2024, Vol. 31 Issue 1, p1-22, 22p