Новые клеточные методы умножения матриц

• Published in: Кибернетика и системный анализ
• Date: 2013
• Main Author: Елфимова, Л.Д.
• Format: Article
• Language: Russian
• Published: Інститут кібернетики ім. В.М. Глушкова НАН України 2013
• Subjects: Кибернетика
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/86161
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Новые клеточные методы умножения матриц / Л.Д. Елфимова // Кибернетика и системный анализ. — 2013. — Т. 49, № 1. — С. 19-29. — Бібліогр.: 7 назв. — рос.

Запропоновано два нових клітинних методи множення матриць, які дозволяють отримати клітинні аналоги відомих алгоритмів матричного множення зі зменшеною обчислювальною складністю, порівняно з аналогами, отриманими на основі відомих клітинних методів множення матриць. Новий швидкий клітинний метод дозволяє мінімізувати на 15% мультиплікативну, адитивну і загальну складність відомих алгоритмів матричного множення. Новий змішаний клітинний метод поєднує метод Лейдермана із запропонованим швидким клітинним методом, що призводить до мінімізації на 28% мультиплікативної, адитивної і загальної складності зазначених алгоритмів. Оцінки обчислювальної складності цих методів подано на прикладі отримання клітинних аналогів традиційного алгоритму множення матриць. The paper proposes two new cellular methods of matrix multiplication, which allow obtaining cellular analogs of the well-known matrix multiplication algorithms with reduced computational complexity, as compared with the analogs derived on the basis of the well-known cellular methods of matrix multiplication. The new fast cellular method reduces by 15% the multiplicative, additive, and overall complexities of the mentioned algorithms. The new mixed cellular method combines the Laderman method with the proposed fast cellular method. The interaction of these methods reduces by 28% the multiplicative, additive, and overall complexities of the matrix multiplication algorithms. The computational complexity of these methods are estimated using the model of getting cellular analogs of the traditional matrix multiplication algorithm.