Comment remplacer "trouver" des commandes avec la " logique de l'indexation` (MATLAB), pour la recherche d'vecteur de valeur des positions de valeurs uniques?

Dans MATLAB, j'ai un for loop qui a beaucoup d'interaction de passer et de remplir un sparse de la matrice. Le programme est très lent et j'aimerais l'optimiser pour le voir terminer dans quelques temps. En deux lignes, j'utilise la commande find, et l'éditeur de MATLAB, me prévient que l'utilisation de logical indexing au lieu de find permettra d'améliorer les performances. Mon code est assez similaire à celui présenté à la mathworks newreader, mathworks lecteur de news recommandation, où y est un vecteur de valeurs et d'un vecteur de valeur unique généré à partir d'elle. Utilise find pour obtenir l'indice dans les valeurs uniques (pour mettre à jour les valeurs dans une matrice). Pour être bref, le code est:

     positions = find(X0_outputs == unique_outputs(j,1));
% should read
     positions = X0_outputs == unique_outputs(j,1);

Mais la dernière ligne n'est pas l'indice, mais un vecteur de zéros et de uns.
J'ai un exemple illustratif, faire une série d'indices; tt=round(rand(1,6)*10):

 tt = 3     7     1     7     1     7

Faire un vecteur unique; ttUNI=unique(tt)

ttUNI = 1     3     7

Utiliser find pour obtenir la position de l'index de la valeur dans l'ensemble de valeurs uniques; find(ttUNI(:) == tt(1))

ans = 2

Comparer avec l'aide de logiques d'indexation; (ttUNI(:) == tt(1))

ans =
 0
 1
 0

Ayant la valeur 2 est beaucoup plus utile que celui vecteur binaire quand j'ai besoin de mettre à jour les indices d'une matrice. Pour ma matrice, je peux dire mat(find(ttUNI(:) == tt(1)), 4) et qui fonctionne. Tandis que l'utilisation de (ttUNI(:) == tt(1)) besoins de post-traitement.

Est-il soigné et efficace de faire ce qui est nécessaire? Ou est l'utilisation de find inévitables dans de telles circonstances?

Mise à JOUR: je vais inclure le code ici, comme recommandé par l'utilisateur: @Jonas, pour donner de mieux comprendre le problème que je vais avoir et de faire rapport à certains de l'outil générateur de profils de résultats.

ALL_NODES = horzcat(network(:,1)',network(:,2)');
NUM_UNIQUE = unique(ALL_NODES);%unique and sorted    
UNIQUE_LENGTH = length(NUM_UNIQUE);
TIME_MAX = max(network(:,3));
WEEK_NUM = floor((((TIME_MAX/60)/60)/24)/7);%divide seconds for minutes, for hours, for days and how many weeks
%initialize tensor of temporal networks
temp = length(NUM_UNIQUE);
%making the tensor a sparse 2D tensor!!! So each week is another replica of
%the matrix below
Atensor = sparse(length(NUM_UNIQUE)*WEEK_NUM,length(NUM_UNIQUE));
WEEK_SECONDS = 60*60*24*7;%number of seconds in a week

for ii=1:size(network,1)%go through all rows/observations 
    WEEK_NOW = floor(network(ii,3)/WEEK_SECONDS) + 1;
    if(WEEK_NOW > WEEK_NUM)
        disp('end of weeks')
        break
    end
    data_node_i = network(ii,1);
    Atensor_row_num = find(NUM_UNIQUE(:) == data_node_i)...
        + (WEEK_NOW-1)*UNIQUE_LENGTH;
    data_node_j = network(ii,2);
    Atensor_col_num = find(NUM_UNIQUE(:) == data_node_j);
    %Atensor is sparse
    Atensor(Atensor_row_num,Atensor_col_num) = 1;          
end

Ici UNIQUE_LENGTH = 223482 et size(network,1)=273209. Je rand la profiler tool pendant quelques minutes, ce qui n'était pas assez de temps nécessaire pour que le programme termine, mais d'atteindre un état d'équilibre lorsque le ratio de fois ne serait pas trop changer. Atensor_row_num = find(NUM_UNI.. est de 45,6% et Atensor_col_num = find(NUM_UNI... est de 43,4%. La ligne avec Atensor(Atensor_row_num,Atenso... qui attribue des valeurs à la sparse de la matrice, n'est de 8,9%. La longueur de la NUM_UNIQUE vecteur est assez grand, donc find est un aspect important du code, et, encore plus important que la matrice creuse de manipulation. Toute amélioration doit être important. Je ne sais pas si il est plus efficace en progression logique pour cet algorithme de procéder ainsi plutôt que de prendre l'approche simple de remplacer find.