• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Mediterranean Conference on Control and Automation >Sparse Grid Regression for Interpretation of Black Box Functions
【24h】

Sparse Grid Regression for Interpretation of Black Box Functions

机译：黑匣子功能解释的稀疏网格回归

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Black box functions are often used by machine learning algorithms. These functions do not provide convenient way of analyzing sensitivity of response to input variables. This paper presents Sparse Grid Regression method to be used for converting black box function into a dimension-wise expansion model. Such model provides an excellent tool for interpretation and sensitivity analysis. A neural network was used as an example when comparing the novel Sparse Grid Regression method with commonly used quasi-Monte Carlo algorithm. A significant advantage in computational efficiency of the proposed Sparse Grid Regression method was observed.
机译：黑匣子功能通常由机器学习算法使用。 这些功能不提供分析对输入变量的响应敏感性的便捷方式。 本文介绍了用于将黑盒功能转换为维度扩展模型的稀疏网格回归方法。 这种模型提供了一种用于解释和敏感性分析的绝佳工具。 当比较具有常用的准蒙特卡罗算法的新型稀疏电网回归方法时，将神经网络用作示例。 观察到所提出的稀疏电网回归方法的计算效率的显着优势。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号