Добірка наукової літератури з теми "Butterfly factorization"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Butterfly factorization".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Butterfly factorization"
Li, Yingzhou, Haizhao Yang, Eileen R. Martin, Kenneth L. Ho, and Lexing Ying. "Butterfly Factorization." Multiscale Modeling & Simulation 13, no. 2 (January 2015): 714–32. http://dx.doi.org/10.1137/15m1007173.
Повний текст джерелаLi, Yingzhou, and Haizhao Yang. "Interpolative Butterfly Factorization." SIAM Journal on Scientific Computing 39, no. 2 (January 2017): A503—A531. http://dx.doi.org/10.1137/16m1074941.
Повний текст джерелаLi, Yingzhou, Haizhao Yang, and Lexing Ying. "Multidimensional butterfly factorization." Applied and Computational Harmonic Analysis 44, no. 3 (May 2018): 737–58. http://dx.doi.org/10.1016/j.acha.2017.04.002.
Повний текст джерелаPang, Qiyuan, Kenneth L. Ho, and Haizhao Yang. "Interpolative Decomposition Butterfly Factorization." SIAM Journal on Scientific Computing 42, no. 2 (January 2020): A1097—A1115. http://dx.doi.org/10.1137/19m1294873.
Повний текст джерелаLiu, Yang, Xin Xing, Han Guo, Eric Michielssen, Pieter Ghysels, and Xiaoye Sherry Li. "Butterfly Factorization Via Randomized Matrix-Vector Multiplications." SIAM Journal on Scientific Computing 43, no. 2 (January 2021): A883—A907. http://dx.doi.org/10.1137/20m1315853.
Повний текст джерелаChen, Ze, Juan Zhang, Kenneth L. Ho, and Haizhao Yang. "Multidimensional phase recovery and interpolative decomposition butterfly factorization." Journal of Computational Physics 412 (July 2020): 109427. http://dx.doi.org/10.1016/j.jcp.2020.109427.
Повний текст джерелаJaber, Marwan A., та Daniel Massicotte. "Radix-2α/4β Building Blocks for Efficient VLSI’s Higher Radices Butterflies Implementation". VLSI Design 2014 (13 травня 2014): 1–13. http://dx.doi.org/10.1155/2014/690594.
Повний текст джерелаBremer, James, Ze Chen, and Haizhao Yang. "Rapid Application of the Spherical Harmonic Transform via Interpolative Decomposition Butterfly Factorization." SIAM Journal on Scientific Computing 43, no. 6 (January 2021): A3789—A3808. http://dx.doi.org/10.1137/20m1333845.
Повний текст джерелаYang, Haizhao. "A unified framework for oscillatory integral transforms: When to use NUFFT or butterfly factorization?" Journal of Computational Physics 388 (July 2019): 103–22. http://dx.doi.org/10.1016/j.jcp.2019.02.044.
Повний текст джерелаMardan, Suha Suliman, and Mounir Taha Hamood. "New fast Walsh–Hadamard–Hartley transform algorithm." International Journal of Electrical and Computer Engineering (IJECE) 13, no. 2 (April 1, 2023): 1533. http://dx.doi.org/10.11591/ijece.v13i2.pp1533-1540.
Повний текст джерелаДисертації з теми "Butterfly factorization"
Zheng, Léon. "Frugalité en données et efficacité computationnelle dans l'apprentissage profond." Electronic Thesis or Diss., Lyon, École normale supérieure, 2024. http://www.theses.fr/2024ENSL0009.
Повний текст джерелаThis thesis focuses on two challenges of frugality and efficiency in modern deep learning: data frugality and computational resource efficiency. First, we study self-supervised learning, a promising approach in computer vision that does not require data annotations for learning representations. In particular, we propose a unification of several self-supervised objective functions under a framework based on rotation-invariant kernels, which opens up prospects to reduce the computational cost of these objective functions. Second, given that matrix multiplication is the predominant operation in deep neural networks, we focus on the construction of fast algorithms that allow matrix-vector multiplication with nearly linear complexity. More specifically, we examine the problem of sparse matrix factorization under the constraint of butterfly sparsity, a structure common to several fast transforms like the discrete Fourier transform. The thesis establishes new theoretical guarantees for butterfly factorization algorithms, and explores the potential of butterfly sparsity to reduce the computational costs of neural networks during their training or inference phase. In particular, we explore the efficiency of GPU implementations for butterfly sparse matrix multiplication, with the goal of truly accelerating sparse neural networks
Тези доповідей конференцій з теми "Butterfly factorization"
Shekofteh, S. Kazem, Christian Alles, and Holger Fröning. "Reducing Memory Requirements for the IPU using Butterfly Factorizations." In SC-W 2023: Workshops of The International Conference on High Performance Computing, Network, Storage, and Analysis. New York, NY, USA: ACM, 2023. http://dx.doi.org/10.1145/3624062.3624196.
Повний текст джерела