问题标签 [matrix-multiplication]

我有以下径向渐变：

我想将这个梯度减小 90%，并根据这个新的比例适当地转换它（x 位置变为 402.2，y 位置变为 545.1，等等）。

显然，将 cx、cy、fx、fy 和 r 乘以 0.1 将使我获得成功。但是，我如何以编程方式重做 gradientTransform 以完成剩下的工作？

这是我到目前为止所拥有的，但我认为这是不对的。

我知道以下推理有问题，但我不确定它是什么。

FFT：

1. 给定两个多项式

   A = a_0 + a_1 x + a_2 x^2 + ... + a_n x^n

   和

   B = b_0 + b_1 x + b_2 x^2 + ... + b_n x^n

   您可以计算产品的系数

   AB = \sum _k = 0 ^ 2n ( \sum _ j = 0 ^ k (a_j b_{k-j}))x^k

   O(n log n )及时。

2. 所以给定两个向量(a_0, ..., a_n)，(b_0, ..., b_n)我们可以及时计算向量（通过将向量v_i = \sum j = 0 ^ k ( a_j b_{k-j})嵌入O(n log n)零。）

3. 鉴于上述情况，我们应该能够通过预处理其中一个向量来计算 和 的点积，然后按时间计算2.A =(a_0, ..., a_n)中的卷积。B =(b_0, ..., b_n)A.B = \sum_j=0 ^ n a_j b_jO(n log n)BB' = (b_n, b_{n-1}, ..., b_1, b_0)O(n log n)

如果上述推理是正确的，那么这意味着我们可以通过计算时间点乘积来实现两个nxn矩阵的时间矩阵乘法。O(n^2 log n )O(n log n)O(n)

然而，我们所知道的矩阵乘法的最佳运行时间大约是O(n^2.4)这样，所以这似乎不太可能是真的，这可能意味着步骤 1,2 或 3 是不正确的。

假设我有一个AxBxC矩阵X 和一个BxD矩阵Y。

是否有一种非循环方法可以将每个C AxB矩阵与相乘Y？

请告诉我 GSL 库中矩阵乘法的功能。我已经搜索了很多，但我无法很好地解决它。如果有人知道该功能，请回答。提前致谢。

我正在尝试对来自 iPhone 加速度计的数据应用卡尔曼滤波器。我需要尽可能快地执行矩阵乘法和求逆，所以我很好奇使用 GPU 执行这两个任务的可能性。到目前为止，我只找到了一个矩阵乘法参考：

即使很难，用户也不确定这个乘法是在 GPU 内部执行的。您对如何（如果可能）对反转做同样的事情有任何提示吗？

谢谢你们！

我必须乘以 2（大多数时候）稀疏矩阵。这些矩阵相当多（大约 10k*10k），我有两个 Xeon Quad 核心和一个线程来完成这项工作？

有没有用于多线程复制的快速库？任何其他建议？

Octave 有没有办法只计算和存储矩阵乘积的对角线？

基本上喜欢做：vector = diag(A*B);

A*B除了对角线上的值，我不关心任何值。矩阵大小在80k x 12和左右12 x 80k，所以即使我不关心速度/额外内存，它也根本不适合 RAM。

奇怪，由于 Octave 是一个大数据集的包，对角线非常重要，所以应该是可以的。

我正在研究进行矩阵乘法的替代方法。我没有将我的矩阵存储为二维数组，而是使用了一个向量，例如

存储我的矩阵。我的对 (pair) 中的对存储我的索引 (i,j)，另一个 int 存储给定 (i,j) 对的值。我想我可能会以这种方式实现我的稀疏数组。

问题是当我尝试将此矩阵与自身相乘时。

如果这是一个二维数组实现，我会将矩阵相乘如下：

有人可以指出一种使用我的“对”向量来实现相同结果的方法吗？

谢谢

我想用Java做矩阵乘法，速度需要非常好。

我正在考虑通过java调用R来实现这一点。

不过我有几个问题：

1. 使用 Java 调用 R 是个好主意吗？如果是，是否有可以共享的代码示例？

2. 可以考虑在 Java 中进行矩阵乘法的其他方法是什么？

更新：

我从公司离职的同事是一名 C# 程序员，他被迫编写涉及矩阵乘法的 Java 代码。

-- 他用 Java 编写了自己的 DataTable 类，以便能够

a) 创建索引以与其他数据表进行排序和连接

b) 矩阵乘法。

所以，我想从根本上清理代码，并认为在 Java 中使用 R 之类的东西将帮助我专注于业务逻辑，而不是排序、连接、矩阵乘法等。