Estructuras de Datos para Matrices Dispersas | | UPV
14.2 هزار بار بازدید -
13 سال پیش
-
Título: Estructuras de Datos para
Título: Estructuras de Datos para Matrices Dispersas
Descripción: Román Moltó, JE. (2008). Estructuras de Datos para Matrices Dispersas. http://hdl.handle.net/10251/534
Descripción automática: En este video, el profesor explica la importancia de las estructuras de datos especializadas para trabajar con matrices dispersas, que son aquellas en las que la mayoría de sus elementos son ceros. Debido a que las matrices dispersas son comunes en computación científica y pueden ser de gran dimensión, resulta crucial optimizar el almacenamiento y el coste de cómputo asociado a las operaciones sobre ellas.
Se exponen varios formatos de almacenamiento de matrices dispersas, cada uno diseñado para operaciones específicas y para reducir la memoria y el costo aritmético. Comienza con una estructura dinámica simple, como una lista enlazada de nodos que representan los elementos no nulos con sus índices, y avanza hacia estructuras más complejas y eficientes.
Una de estas es el formato de almacenamiento "coordenado", que implica arreglos contiguos para los valores numéricos y sus respectivos índices de fila y columna. Luego, se introducen los formatos de almacenamiento comprimidos, como el Compressed Sparse Row (CSR) y el Compressed Sparse Column (CSC), que almacenan índices de fila o columna de forma implícita y son altamente eficientes para el acceso secuencial, como en el producto matriz-vector.
Se menciona también el formato diagonal para matrices donde los elementos no nulos están alineados con las diagonales, y el "Modified Sparse Row" que separa la diagonal principal cuando esta siempre contiene elementos no nulos y es crítica para ciertos algoritmos.
Finalmente, se destaca que existen multiplicidad de formatos personalizados que pueden ser adaptados a diferentes tipos de matrices, como las matrices simétricas, indicando la relevancia de escoger la estructura adecuada según la aplicación específica. El video concluye enfatizando la variedad y adaptabilidad de estas estructuras en el campo de la computación científica.
Autor/a: Román Moltó José Enrique
+ Universitat Politècnica de València UPV: https://www.upv.es
+ Más vídeos en: valenciaupv
+ Accede a nuestros MOOC: https://upvx.es
#Estructuras de datos #Algoritmos #Matrices dispersas #Computación numérica #
Descripción: Román Moltó, JE. (2008). Estructuras de Datos para Matrices Dispersas. http://hdl.handle.net/10251/534
Descripción automática: En este video, el profesor explica la importancia de las estructuras de datos especializadas para trabajar con matrices dispersas, que son aquellas en las que la mayoría de sus elementos son ceros. Debido a que las matrices dispersas son comunes en computación científica y pueden ser de gran dimensión, resulta crucial optimizar el almacenamiento y el coste de cómputo asociado a las operaciones sobre ellas.
Se exponen varios formatos de almacenamiento de matrices dispersas, cada uno diseñado para operaciones específicas y para reducir la memoria y el costo aritmético. Comienza con una estructura dinámica simple, como una lista enlazada de nodos que representan los elementos no nulos con sus índices, y avanza hacia estructuras más complejas y eficientes.
Una de estas es el formato de almacenamiento "coordenado", que implica arreglos contiguos para los valores numéricos y sus respectivos índices de fila y columna. Luego, se introducen los formatos de almacenamiento comprimidos, como el Compressed Sparse Row (CSR) y el Compressed Sparse Column (CSC), que almacenan índices de fila o columna de forma implícita y son altamente eficientes para el acceso secuencial, como en el producto matriz-vector.
Se menciona también el formato diagonal para matrices donde los elementos no nulos están alineados con las diagonales, y el "Modified Sparse Row" que separa la diagonal principal cuando esta siempre contiene elementos no nulos y es crítica para ciertos algoritmos.
Finalmente, se destaca que existen multiplicidad de formatos personalizados que pueden ser adaptados a diferentes tipos de matrices, como las matrices simétricas, indicando la relevancia de escoger la estructura adecuada según la aplicación específica. El video concluye enfatizando la variedad y adaptabilidad de estas estructuras en el campo de la computación científica.
Autor/a: Román Moltó José Enrique
+ Universitat Politècnica de València UPV: https://www.upv.es
+ Más vídeos en: valenciaupv
+ Accede a nuestros MOOC: https://upvx.es
#Estructuras de datos #Algoritmos #Matrices dispersas #Computación numérica #
13 سال پیش
در تاریخ 1390/06/30 منتشر شده
است.
14,294
بـار بازدید شده