.png){kind=icon}
返回
AccRQA library: accelerating recurrence quantification analysis
.png){kind=icon}
OA
AI
DOI：10.1140/epjs/s11734-026-02338-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
复现量化分析是一种用于识别和量化动力系统中模式的强大工具，广泛应用于多个学科。这些领域数据的快速增长要求更高效的分柝技术。我们提出AccRQA，一个高性能库，可在Python、R和C/C++中使用，利用新颖、可扩展和可移植的并行算法。AccRQA使用OpenMP进行并行化，在可用时可以利用NVIDIA GPU，提供跨计算平台（CPU、GPU）和用户环境（PC、HPC）的便携性，从而在探索和系统映射广阔参数空间之间提供灵活性。AccRQA支持长时间序列，并对不同嵌入维度m和时间延迟tau进行高效计算，具有最低的内存需求。我们还展示了性能基准测试，表明在CPU和GPU上相比当前最先进的RQA软件包，平均加速10倍，至少加速6倍。
Keyword:
DYNAMICS
CHALLENGES
CLIMATE
期刊
E
IF:
2.3
论文数:
117
被引数:
0
机构
引用论文
Efficiency Near the Edge: Increasing the Energy Efficiency of FFTs on GPUs for Real-Time Edge Computing.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Recurrence quantification analysis for detecting dynamical changes in earthquake magnitude time series地震震级时间序列中动态变化的复发量化分析
PREAI
分享收藏分享收藏分享收藏Recurrence plot embeddings as short segment nonlinear features for multimodal speaker identification using air, bone and throat microphonesSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容