fast hermite transform?
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 20/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- julia
- Ambito
- performance
Direzione di ricerca
La issue non indica file del repository né test. Inizia esaminando l’implementazione esistente di Gauss-Hermite e l’articolo collegato, quindi confronta l’approccio O(N*logN) proposto con le preoccupazioni sulla stabilità numerica espresse nell’edit. Per considerare il lavoro Done sarebbe necessario uno scope di implementazione definito e pratico, ma l’autore suggerisce di chiudere la questione.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
I was talking to @dlfivefifty over at ApproxFun.jl where they have an implementation of the hermite transform using gausshermite quadrature. While this is clearly a reliable choice, is there any scope for implementing an O(N*logN) (i.e. faster than O(N^2)) method as described in
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2630232/#!po=88.5000
?
For band limited functions there is a factorization using recursion the relation, akin to FFT vs basic FT. I don't know it well enough to know how practical it is to implement. On the surface it appears an O(N*logN) method may be possible for any orthogonal polynomials with two-term recursion...
EDIT: it seems that the exact two-term recursion factorisation is numerically unstable, and in practice the transform is implemented as an approximate Hermite-Newton-Cotes transform on a linear grid. Probably my question should be closed here.
- Lingua principale
- Julia
- Stelle
- 282
- Fork
- 27
- Merge medio
- 53m
- PR unite (30g)
- 1
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di JuliaApproximation/FastTransforms.jl
-
Loading FastTransforms.jl can make FFTs via FFTW.jl 100x slower due to threading conflictsForse già presa @dlfivefifty l’ha presa 90 giorni fa. Aperta
JuliaApproximation/FastTransforms.jl#267 · 2 reazioni · 2 assegnatari ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 38/100
JuliaApproximation/FastTransforms.jl#266 · 1 commento ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 42/100
JuliaApproximation/FastTransforms.jl#263 · 2 commenti ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
JuliaApproximation/FastTransforms.jl#257 · 1 commento ·
-
Allocating lmul!Aperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 25/100
JuliaApproximation/FastTransforms.jl#253 · 7 commenti ·
Tutte le issue di JuliaApproximation/FastTransforms.jl
Issue simili
-
Broken links in the docsAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
oxfordcontrol/COSMO.jl#211 ·
-
documentation
Difficoltà 2/5 Mezza giornata Idoneità per principianti 65/100
I maintainer di solito rispondono entro 6 giorni
-
Out-of-place JLArray/GPU problem with VectorContinuousCallback scalar-indexes (callback cache built with CPU zeros)Forse già presa @ChrisRackauckas-Claude l’ha presa 1 giorno fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
SciML/OrdinaryDiffEq.jl#4813 ·
I maintainer di solito rispondono entro 1 giorno
-
ARKODE: callbacks that modify `u` throw MethodError on reinitForse già presa @devmotion l’ha presa 1 giorno fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 79/100
SciML/Sundials.jl#575 ·