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 pdf 
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
۱-مقدمه
۲- قواعد متغیر برای مقدار ویژه بزرگتر از ماتریس متقارن واقعی
۳- الگوریتمهای بهینه سازی برای محاسبه جفت مشخصه بزرگتر از ماتریس متقارن واقعی
۳-۲- روش نیوتن برای محاسبه یک جفت مشخصه
۳-۳- روش شبه نیوتن برای محاسبه بزرگترین جفت مشخصه
۳-۴- یک الگوریتم نیوتن کوتاه برای محاسبه بزرگترین جفت مشخصه
۳-۵- روند جستجوی خطی
۳-۶- روند جستجوی چند بعدی
۳-۷- استراتژیهای حافظه-محدود
۳-۸- آزمایشات عددی
۴- نتیجه گیری

 

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.
ما در ابتدا تابع های هدف تناوبی را برای حل مسائل مشخصه( تعمیم یافته)، از طریق بهینه سازی (بدون محدودیت) پیشنهاد می دهیم و ویژگیهای تغییر پذیر این تابعها را توضیح می دهیم.
ما سپس بعضی از الگوریتمهای بهینه سازی را (بر اساس یکی از این فرمولها) که برای محاسبه جفت مشخصه بزرگتر طراحی شده اند ، معرفی می کنیم. بر اساس آزمایشات عددی مقدماتی ، این کار می تواند منجر به ایجاد روشهای عملی برای محاسبه جفت مشخصه بزرگتر (جفت) ماتریس متقارن (بسیار) بزرگ شود.

 

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.
We first propose alternative objective functions to solve the (generalized) eigenproblem via (unconstrained) optimization, and we describe the variational properties of these functions.
We then introduce some optimization algorithms (based on one of these formulations) designed to compute the largest eigenpair. According to preliminary numerical experiments, this work could lead the way to practical methods for computing the largest eigenpair of a (very) large symmetric matrix (pair).

 

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

 

 

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا