Comment on the Iterative Refinement of Least-Squares Solutions
关于最小二乘解迭代精化的评论AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论最小二乘数值线性代数和算法可靠性，未涉及所列经济计量细分方向的明确模型或应用对象。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
关于最小二乘解迭代精化的评论
- 研究问题
- 对于已经计算得到的最小二乘估计，三种迭代精化算法在病态矩阵以及大型稀疏矩阵情形下的可靠性有何差别？
- 方法与思路
- 这篇评论比较两种基于正交分解的精化算法与一种基于 Cholesky 分解的算法，并以数值结果检验理论分析。
- 材料陈述的贡献
- 摘要称，正交分解算法总体上更可靠；其中一种变体可能适合大型稀疏矩阵，数值结果支持文中的理论比较。
- 阅读关注点
- 应核对三种算法的具体更新步骤、舍入误差分析、矩阵条件数的影响，以及稀疏变体获得优势的条件和计算成本。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；这是评论性文章，未给出完整算法和实验设置，矩阵转置排版需查原文确认。
原文摘要
Three different iterative algorithms for refining a computed least-squares estimate are compared. The first two algorithms are based on the orthogonal decomposition of the matrix X, whereas the third, recently advocated by Fletcher (1975), uses the Cholesky decomposition of XT X. The third algorithm theoretically can give good results even when the condition number κ (X) is very large, but in general, the first two algorithms are superior and far more reliable. A variant of one of these may be advantageous when X is large and sparse. Numerical results confirm the theoretical analysis.