論文の概要: Sensitivity Analysis of High-Dimensional Models with Correlated Inputs
- arxiv url: http://arxiv.org/abs/2306.00555v1
- Date: Wed, 31 May 2023 14:48:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-02 16:42:54.810334
- Title: Sensitivity Analysis of High-Dimensional Models with Correlated Inputs
- Title（参考訳）: 相関入力を持つ高次元モデルの感度解析
- Authors: Juraj Kardos, Wouter Edeling, Diana Suleimenova, Derek Groen, Olaf
Schenk
- Abstract要約: 相関パラメータの感度は大きさだけでなく、微分に基づく指数の符号も逆転することができる。
相関パラメータの感度が大まかに異なるだけでなく、微分に基づく指数の符号も逆転できることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Sensitivity analysis is an important tool used in many domains of
computational science to either gain insight into the mathematical model and
interaction of its parameters or study the uncertainty propagation through the
input-output interactions. In many applications, the inputs are stochastically
dependent, which violates one of the essential assumptions in the
state-of-the-art sensitivity analysis methods. Consequently, the results
obtained ignoring the correlations provide values which do not reflect the true
contributions of the input parameters. This study proposes an approach to
address the parameter correlations using a polynomial chaos expansion method
and Rosenblatt and Cholesky transformations to reflect the parameter
dependencies. Treatment of the correlated variables is discussed in context of
variance and derivative-based sensitivity analysis. We demonstrate that the
sensitivity of the correlated parameters can not only differ in magnitude, but
even the sign of the derivative-based index can be inverted, thus significantly
altering the model behavior compared to the prediction of the analysis
disregarding the correlations. Numerous experiments are conducted using
workflow automation tools within the VECMA toolkit.
- Abstract（参考訳）: 感性分析は、数理モデルとパラメータの相互作用に関する洞察を得るか、入力-出力相互作用による不確実性伝播を研究するために、計算科学の多くの分野において重要なツールである。
多くの応用において、入力は確率的に依存しており、最先端の感度分析法における重要な前提の一つに反する。
その結果、相関を無視した結果から、入力パラメータの真の寄与を反映しない値が得られる。
本研究では,多項式カオス展開法とRosenblattおよびColesky変換を用いてパラメータ依存を反映したパラメータ相関に対処する手法を提案する。
相関変数の処理は分散と微分に基づく感度解析の文脈で議論される。
その結果,相関パラメータの感度は大きさだけでなく,導関数に基づく指標の符号も反転できるため,相関を無視する解析の予測と比較して,モデルの挙動が大きく変化することがわかった。
VECMAツールキット内のワークフロー自動化ツールを使用して、数多くの実験が行われている。
関連論文リスト
- A new paradigm for global sensitivity analysis [0.0]
グローバル感度分析の現在の理論はスコープに限られており、例えば、分析は出力の分散に限られている。
これらの重要な問題は,新しいパラダイムを採用することで,一度に解決できることが示されている。
論文 参考訳（メタデータ） (2024-09-10T07:20:51Z) - Variance-based sensitivity analysis in the presence of correlated input variables [0.0]
分散に基づく感度指標の推定のための古典的ソボ推定器の拡張を提案する。
この手法は、入力変数の寄与を相関部と非相関部に分解するために用いられる線形相関モデルを仮定する。
論文 参考訳（メタデータ） (2024-08-09T08:32:58Z) - Contrastive Factor Analysis [70.02770079785559]
本稿では,新しいコントラスト要因分析フレームワークを提案する。
コントラスト学習の領域において、因子分析の有利な特性を活用することを目的としている。
非負因子分析の解釈可能性特性をさらに活用するために、非負バージョンに拡張される。
論文 参考訳（メタデータ） (2024-07-31T16:52:00Z) - Determining the significance and relative importance of parameters of a
simulated quenching algorithm using statistical tools [0.0]
本稿では,ANOVA (Analysis of the VAriance) 法を用いて, 模擬アニール法を徹底的に解析する。
ANOVAとポストホックTukey HSDを用いて, 得られた結果のパラメータの意義と相対的重要性, およびそれぞれの値について検討した。
論文 参考訳（メタデータ） (2024-02-08T16:34:00Z) - Challenges in Variable Importance Ranking Under Correlation [6.718144470265263]
本稿では,特徴相関が変数重要度評価に与える影響を総合シミュレーションで検討する。
ノックオフ変数と対応する予測変数の間には相関関係は常に存在しないが、相関関係が予測変数間の特定の相関しきい値を超えて線形に増加することを証明している。
論文 参考訳（メタデータ） (2024-02-05T19:02:13Z) - Towards stable real-world equation discovery with assessing
differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。
我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文 参考訳（メタデータ） (2023-11-09T23:32:06Z) - Identifiable Latent Polynomial Causal Models Through the Lens of Change [82.14087963690561]
因果表現学習は、観測された低レベルデータから潜在的な高レベル因果表現を明らかにすることを目的としている。
主な課題の1つは、識別可能性(identifiability)として知られるこれらの潜伏因果モデルを特定する信頼性の高い保証を提供することである。
論文 参考訳（メタデータ） (2023-10-24T07:46:10Z) - Identifying Weight-Variant Latent Causal Models [82.14087963690561]
推移性は潜在因果表現の識別性を阻害する重要な役割を担っている。
いくつかの軽微な仮定の下では、潜伏因果表現が自明な置換とスケーリングまで特定可能であることを示すことができる。
本稿では,その間の因果関係や因果関係を直接学習する構造的caUsAl変分自動エンコーダを提案する。
論文 参考訳（メタデータ） (2022-08-30T11:12:59Z) - Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。
本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
論文 参考訳（メタデータ） (2022-08-29T16:16:22Z) - Evaluating Sensitivity to the Stick-Breaking Prior in Bayesian
Nonparametrics [85.31247588089686]
変分ベイズ法はベイズモデルのパラメトリック的および非パラメトリック的側面に対して感性が得られることを示す。
ベイズ感度分析に対する変動的アプローチの理論的および経験的支援を提供する。
論文 参考訳（メタデータ） (2021-07-08T03:40:18Z) - Numerical Solution of the Parametric Diffusion Equation by Deep Neural
Networks [2.2731658205414025]
パラメトリック偏微分方程式の機械学習に基づく解について検討する。
我々は,近似理論効果が数値解析における学習問題の実践的挙動に大きく影響を及ぼすという仮説を強く支持する。
論文 参考訳（メタデータ） (2020-04-25T12:48:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。