Ein systematischer Rahmen zur strategischen Entdeckung glaubwürdiger neuronaler Netzwerk-Ersatzmodelle unter Unsicherheit

Dieser Beitrag stellt den Occam Plausibility Algorithm for Surrogate models (OPAL-surrogate) vor, einen systematischen Rahmen zur Entdeckung vorhersagekräftiger neuronaler Netzwerk-Ersatzmodelle für hochauflösende physikalische Simulationen. OPAL-surrogate basiert auf hierarchischer Bayesscher Inferenz und verwendet Modellvalidierungstests, um die Glaubwürdigkeit und Vorhersagezuverlässigkeit der Ersatzmodelle unter Unsicherheit zu bewerten.