.png){kind=icon}
返回
Design based Global Sensitivity Analysis for Quantity-Permutation Models
.png){kind=icon}
PRE
AI
DOI：10.1080/00401706.2025.2574419.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
全局敏感性分析（GSA）在阐明黑箱模型对其输入参数的结构依赖性方面发挥着关键作用。近年来，在质量改进的设计实验中出现了一类具有非同质输入的新模型，其特征是包含对目标输出产生不同影响的定量和可置换因素。为单主体分析设计的传统GSA方法不适用于这些数量-置换（QP）模型。为应对这一挑战，我们提出了一种创新方法，称为双向全局敏感性分析（BGSA），用于提取QP模型中的关键特征。BGSA方法将模型分为两部分：一部分用于实施方差分析（ANOVA）分解以识别有影响的定量因素，而另一部分则进行对称分解以了解可置换因素引起的对称模式。研究了所提出方法的理论性质，并开发了高效数据收集的最优设计。我们通过解释不同模型并解决一个实际问题，展示了BGSA方法的有效性。
Keyword:
Design of experiments
Optimal design
Two-way decomposition
期刊
T
IF:
2.5
论文数:
66
被引数:
1.0W
机构
引用论文
"Why Should I Trust You?"“我为什么要相信你？”.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏Optimal space-filling design for symmetrical global sensitivity analysis of complex black-box models
PREAI
分享收藏
分享收藏分享收藏
查看更多内容