A Gradient-based Sensitivity Analysis Method for Complex Systems

Kovacs, Ingrid; Iosub, Alexandra; Ţopa, Marina; Buzo, Andi; Pelz, Georg

doi:10.1109/siitme47687.2019.8990871

Cited by 3 publications

(4 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Однак цей метод не підходить для отримання значень поточної інформативності конкретних даних. Щоб усунути це обмеження, ми використовуємо метод інтегрованих градієнтів [11,12,13]. Ми адаптуємо цей метод відповідно до нашої моделі ШНМ.…”

Section: > @unclassified

“…6. Gradient-based Sensitivity Analysis (GBSA) -це метод, який використовує похідні першого або вищого порядку виходів ШНМ щодо вхідних параметрів для визначення інформативності вхідних даних відносно вихідних значень [13]. Переваги: забезпечує точні та точні оцінки інформативності та фіксує нелінійні залежності.…”

unclassified

See 1 more Smart Citation

Методи Аналізу Інформативності В Медичних Системах Підтримки Прийняття Рішень

ДОНЕЦЬ,

ШМАТКОВ

2024

info-tech

View full text Add to dashboard Cite

Анотація. Ця стаття присвячена розробці важливої частини комп’ютеризованих систем медичного моніторингу, а саме частини системи стратифікації даних пацієнтів – методів визначення інформативності параметрів. Внутрішній стохастичний характер даних, які генеруються цими системами, потребує передових методів для визначення стану пацієнтів, що часто потребує попередньо визначеної логіки або експертного втручання. Використання методів машинного навчання для аналізу даних у системах медичного моніторингу може допомогти виявити складні взаємозв’язки між даними та станом пацієнта, зрештою покращуючи якість лікування. Дослідження розглядає об’єднання моделі штучної нейронної мережі з методами для визначення інформативності параметрів даних, надаючи розуміння впливу параметрів на вихід моделі. У дослідженні розглянуто розроблений градієнтний метод оцінки загальної інформативності параметрів та модифікований метод інтегрованих градієнтів для оцінки параметрів інформативності конкретних вхідних даних. У дослідженні використовуються дані серцевих захворювань UCI, репрезентативний набір даних, що відображає типові дані пацієнтів у комп’ютерних системах медичного моніторингу. Проблеми цих даних, як упередженість, відсутні значення та висока розмірність, підкреслюють складність реальних медичних даних, створюючи значну проблему для запропонованих методів. В роботі показано ефективність запропонованих методів та проаналізовано їх шляхом порівняння з оцінкою варіативності PCA. Запропонований метод на основі градієнтів демонструє високу обізнаність щодо важливості параметрів і враховує нелінійні зв’язки в даних. Метод інтегрованих градієнтів показує зв'язок між загальними значеннями інформативності та інформативністю конкретних даних. Результати вплинуть на розробку систем підтримки прийняття рішень для комп’ютерних систем медичного моніторингу.

show abstract

Section: > @unclassified

unclassified

Методи Аналізу Інформативності В Медичних Системах Підтримки Прийняття Рішень

ДОНЕЦЬ,

ШМАТКОВ

2024

info-tech

View full text Add to dashboard Cite

show abstract

“…Variance-based methods includes Sobol [18], the Fourier Amplitude Sensitivity Test (FAST) [19], and the Extend-FAST (EFAST) [20] and so on. A well-known advantage of variance-based methods is their ability to quantify the individual parameter contribution and the contribution resulting from parameter interactions [21].…”

Section: Sensitivity Analysismentioning

confidence: 99%

A sensitivity quantification approach to significance analysis of thrusters in dynamic positioning operations

Wang

Skulstad

et al. 2021

Ocean Engineering

View full text Add to dashboard Cite

“…The large computational cost of stochastic algorithms motivates the reconsideration of gradient‐based algorithms, such as the Gauss‐Newton and Levenberg‐Marquardt algorithms (Nocedal & Wright, 2006; Press et al., 2007). These algorithms have been employed in hydrological and hydrogeological model calibration problems (Doherty, 2005; Hill, 2007; Poeter et al., 2014) as well as in broader sensitivity analysis and uncertainty qualification contexts (Kovacs et al., 2019; Rakovec et al., 2014; Sobol’ & Kucherenko, 2009). A number of enhancements have been incorporated to improve the robustness of Gauss‐Newton algorithms in hydrological model calibration (Qin et al., 2018a; Skahill & Doherty, 2006; Tonkin & Doherty, 2005).…”

Section: Introductionmentioning

confidence: 99%

Can Gauss‐Newton Algorithms Outperform Stochastic Optimization Algorithms When Calibrating a Highly Parameterized Hydrological Model? A Case Study Using SWAT

Qin

Kavetski

Yang

et al. 2022

Water Resources Research

View full text Add to dashboard Cite

The calibration of highly parameterized hydrological models is a major computational challenge, especially for models with long run times. This challenge motivates the reconsideration of gradient‐based algorithms often overlooked for their perceived lack of robustness. Our study evaluates two Gauss‐Newton algorithms, robust Gauss‐Newton (RGN), and Levenberg‐Marquardt (PEST), and two stochastic algorithms, Shuffled Complex Evolution (SCE), and Dynamically Dimensioned Search (DDS), on a 38‐parameter SWAT model calibration problem. Algorithm performance is comprehensively assessed using trajectory plots from 100 invocations and by analyzing the distribution of estimated optima at fixed budgets of 200, 500, 1,000, 2,000, 3,000, and 5,000 objective function evaluations (model runs). Empirical results indicate that: (a) Gauss‐Newton algorithms are more likely than stochastic algorithms to locate good solutions for the budgets considered in this work, and more likely to locate satisfactory solutions when budget is tight (200–500 model runs) and (b) RGN shows the fastest initial convergence amongst the algorithms under consideration and has the highest chance of finding satisfactory solutions when the budget is tight. The results indicate that Gauss‐Newton algorithms offer an attractive choice for the calibration of highly parameterized hydrological models.

show abstract

A Gradient-based Sensitivity Analysis Method for Complex Systems

Cited by 3 publications

References 13 publications

Методи Аналізу Інформативності В Медичних Системах Підтримки Прийняття Рішень

Методи Аналізу Інформативності В Медичних Системах Підтримки Прийняття Рішень

A sensitivity quantification approach to significance analysis of thrusters in dynamic positioning operations

Can Gauss‐Newton Algorithms Outperform Stochastic Optimization Algorithms When Calibrating a Highly Parameterized Hydrological Model? A Case Study Using SWAT

Contact Info

Product

Resources

About