Matrice clairsemée

Auteur: John Stephens
Date De Création: 28 Janvier 2021
Date De Mise À Jour: 19 Peut 2024
Anonim
Matrice clairsemée - La Technologie
Matrice clairsemée - La Technologie

Contenu

Définition - Qu'est-ce que Sparse Matrix?

Une matrice clairsemée est une matrice dans laquelle plusieurs ou la plupart des éléments ont une valeur de zéro. Ceci est en contraste avec une matrice dense, où beaucoup ou la plupart des éléments ont une valeur non nulle. Les matrices clairsemées sont utilisées de manière spécifique en informatique et possèdent différents protocoles et techniques de stockage et d'analyse des données, liés à leur utilisation.


Introduction à Microsoft Azure et au nuage Microsoft | Tout au long de ce guide, vous apprendrez ce qu'est le cloud computing et comment Microsoft Azure peut vous aider à migrer et à exploiter votre entreprise à partir du cloud.

Techopedia explique Sparse Matrix

Avoir une matrice avec une large plage d'éléments nuls est différent d'une matrice avec une plage de valeurs complètes. Une des plus grandes différences est que le stockage de toute la matrice fragmentée dans un format numérique est considéré comme un «gaspillage» de mémoire informatique. La compression sans perte ou le stockage tronqué d'une matrice creuse est une considération courante en informatique.

En règle générale, les ingénieurs peuvent prendre en compte la parcimonie de la matrice et utiliser des méthodes de compression pour stocker uniquement les valeurs réelles dans la matrice, au lieu de stocker un grand nombre d'éléments avec des valeurs nulles. La nature fondamentale de cette compression repose sur bon nombre des mêmes concepts informatiques qui autorisent tout type de stockage ultra-efficace - les techniques, par exemple, peuvent inclure l'utilisation de pointeurs et de références à des données compressées.


Certains théoriciens décrivent une matrice clairsemée comme représentant un système plus «faiblement intégré», où des données plus denses impliquent des connexions plus directes entre les données.