دانلود ترجمه مقاله محاسبه مشخصه ماتریس متقارن واقعی (اسپرینگر ۲۰۰۴) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)
این مقاله انگلیسی ISI در نشریه اسپرینگر در ۲۶ صفحه در سال ۲۰۰۴ منتشر شده و ترجمه آن ۳۵ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
محاسبه مشخصه ماتریس متقارن واقعی از طریق بهینه سازی |
عنوان انگلیسی مقاله: |
Computing Eigenelements of Real Symmetric Matrices via Optimization |
|
مشخصات مقاله انگلیسی | |
فرمت مقاله انگلیسی | |
سال انتشار مقاله | ۲۰۰۴ |
تعداد صفحات مقاله انگلیسی | ۲۶ صفحه با فرمت pdf |
نوع مقاله | ISI |
نوع ارائه مقاله | ژورنال |
رشته های مرتبط با این مقاله | ریاضی |
گرایش های مرتبط با این مقاله | ریاضی کاربردی، محاسبات نرم، تحقیق در عملیات (بهینه سازی) |
چاپ شده در مجله (ژورنال) | بهینه سازی محاسباتی و کاربردهای آن – Computational Optimization and Applications |
کلمات کلیدی | مسئله مشخصه تعمیم یافته، قواعد تغییر پذیر، الگوریتمهای نوع – نیوتن، روش، الگوریتم های حافظه محدود |
کلمات کلیدی انگلیسی | generalized eigenproblem – variational principles – Newton-type algorithms – Lanczos method – limitedmemory algorithms |
ارائه شده از دانشگاه | فرانسه |
نمایه (index) | Scopus – Master journals – JCR |
نویسندگان | M. MONGEAU، M. TORKI |
شناسه شاپا یا ISSN | ISSN ۰۹۲۶-۶۰۰۳ |
شناسه دیجیتال – doi | https://doi.org/10.1023/B:COAP.0000044182.33308.82 |
ایمپکت فاکتور(IF) مجله | ۲٫۰۴۱ در سال ۲۰۱۹ |
شاخص H_index مجله | ۶۶ در سال ۲۰۲۰ |
شاخص SJR مجله | ۰٫۹۹۷ در سال ۲۰۱۹ |
شاخص Q یا Quartile (چارک) | Q1 در سال ۲۰۱۹ |
بیس | نیست ☓ |
مدل مفهومی | ندارد ☓ |
پرسشنامه | ندارد ☓ |
متغیر | ندارد ☓ |
رفرنس | دارای رفرنس در داخل متن و انتهای مقاله ✓ |
کد محصول | ۱۰۳۰۵ |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت Springer |
نشریه اسپرینگر |
مشخصات و وضعیت ترجمه فارسی این مقاله | |
فرمت ترجمه مقاله | pdf و ورد تایپ شده با قابلیت ویرایش |
وضعیت ترجمه | انجام شده و آماده دانلود |
کیفیت ترجمه | ویژه – طلایی ⭐️⭐️⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | ۳۵ صفحه با فونت ۱۴ B Nazanin |
ترجمه عناوین جداول | ترجمه شده است ✓ |
ترجمه متون داخل جداول | ترجمه شده است ✓ |
درج جداول در فایل ترجمه | درج شده است ✓ |
درج فرمولها و محاسبات در فایل ترجمه | به صورت عکس درج شده است ✓ |
منابع داخل متن | به صورت عدد درج شده است ✓ |
منابع انتهای متن | به صورت انگلیسی درج شده است ✓ |
فهرست مطالب |
چکیده |
بخشی از ترجمه |
چکیده بهتر است که در شرایط خاصی از رویکرد بهینه سازی به منظور حل مسائل مشخصه تعمیم یافته استفاده کنیم، Ax = λBx ، در جاییکه A و B ماتریسهای متقارن واقعی هستند و B ماتریس معین ثابت است. بخصوص در زمانیکه ماتریسهای A و B خیلی بزرگ باشند و هزینه محاسباتی، بازدارنده، راه حل، با درستی بالای سیستمهای معادلات موجود در این ماتریسها زیاد باشد. معمولا رویکرد بهینه سازی شامل بهینه کردن خارج قسمت ریلی می باشد.
۴- نتیجه گیری در این مقاله ما ابتدا تابعهای هدف ناهمجور را به عنوان گزینه های خارج قسمت ریلی، برای محاسبه بردارهای مشخصه از طریق بهینه سازی (بدون محدودیت) ، مرور کردیم. دو تابع از آنها SA and PA) ) توسط Auchmuty معرفی شدند. و ما تابع سوم (L A) را معرفی کردیم و ویژگیهای متفاوت این تابعها را توضیح دادیم. یکی از ویژگیهای پیشنهادی فرمولهای غیر همجور ( که غیر منفرد بودن Hessian آنها در نقاط کمینه نامیده می شود)،تخصصی کردن تکنیکهای بهینه سازی اخیر را به صورت روشهای کار آمد برای محاسبه بزرگترین جفت مشخصه ،مجاز می کند. بر اساس ، آزمایشات عددی مقدماتی که ارائه کردیم، این کار منجر به ایجادروشی برای بهبود روش استاندارد Lanczos برای محاسبه بزرگترین جفت مشخصه از ماتریسهای متقارن واقعی بزرگ می شود. چنین مزایای می توانند دو قسمتی باشند: اولا، در قالب سرعت همگرایی ( تعداد تولیدات بردار- ماتریس)با الگوریتم TN-MDS ما ( روش کوتاه نیوتن با جستجوی چند بعدی ، مختص یکی از تابعهای هدف غیر همجور) ثانیا، در قالب اندازه مسائل که می توانند از طریق ورژن حافظه محدود از TN-MDS مد نظر قرار بگیرند. |
بخشی از مقاله انگلیسی |
Abstract In certain circumstances, it is advantageous to use an optimization approach in order to solve the generalized eigenproblem, Ax = λBx, where A and B are real symmetric matrices and B is positive definite. In particular, this is the case when the matrices A and B are very large and the computational cost, prohibitive, of solving, with high accuracy, systems of equations involving these matrices. Usually, the optimization approach involves optimizing the Rayleigh quotient.
۴- Conclusion In this paper, we first reviewed non-homogeneous objective functions, as alternatives to the usual Rayleigh quotient, for computing eigenelements via (unconstrained) optimization. Two of these functions (SA and PA) were introduced by Auchmuty. We introduced a third one (L A), and we described the variational properties of these functions. A feature of the proposed non-homogeneous formulations (namely the non-singularity of their Hessian at minimum points) allowed specialization, of standard and recent optimization techniques, into efficient methods for computing the largest eigenpair. According to the preliminary numerical experiments we presented, this work leads the way to improvement to the standard Lanczos method for computing the largest eigenpair of (very) large real symmetric matrices. Such benefits could be twofold. Firstly, in terms of speed of convergence (number of matrix-vector products) with our algorithm TN-MDS (a truncated Newton method with multi-dimensional search, specialized to one of the proposed non-homogeneous objective functions). Secondly, in terms of the size of problems that can be addressed, through the use of a limited-memory version of TN-MDS. |
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
محاسبه مشخصه ماتریس متقارن واقعی از طریق بهینه سازی |
عنوان انگلیسی مقاله: |
Computing Eigenelements of Real Symmetric Matrices via Optimization |
|