불확실성 모델링을 위한 엔트로피 기반 테스트 및 개발 프레임워크

불확실한 마칭 큐브 구현에서 불확실성 모델링을 테스트하고 개발하기 위한 간단한 비교 프레임워크를 제시한다. 불확실한 값의 확률 분포를 나타내는 모델 선택은 불확실성 시각화 알고리즘의 메모리 사용, 실행 시간 및 정확도에 직접적인 영향을 미친다. 앙상블 데이터에 대한 직접적인 엔트로피 계산을 사용하여 예상 결과를 설정하고 균일, 가우시안, 히스토그램 및 퀀타일 모델을 포함한 다양한 확률 모델의 엔트로피를 비교한다. 결과는 앙상블 분포와 일치하는 모델이 엔트로피와도 일치함을 확인한다. 또한 비모수 히스토그램 모델에서 더 적은 수의 빈이 더 효과적이며 퀀타일 모델에서 많은 수의 빈이 데이터 정확도에 접근함을 보여준다.