Optimizing Sparse Linear Algebra for Large-Scale Graph Analytics

Emerging data-intensive applications attempt to process and provide insight into vast amounts of online data. A new class of linear algebra algorithms can efficiently execute sparse matrix-matrix and matrix-vector multiplications on large-scale, shared memory multiprocessor systems, enabling analyst...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Computer (Long Beach, Calif.) Ročník 48; číslo 8; s. 26 - 34
Hlavní autoři:	Buono, Daniele, Gunnels, John A., Xinyu Que, Checconi, Fabio, Petrini, Fabrizio, Tai-Ching Tuan, Long, Chris
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.08.2015 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algebra Algorithms Computer memory Concurrent programming Data analysis Data-intensive applications graph analytics irregular applications Memory management Multiprocessing Multiprocessors shared memory multiprocessor systems Social networks software Software engineering sparse linear algebra Sparse matrices Sparsity system performance
ISSN:	0018-9162, 1558-0814
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!