809991_de-DE

liliconcom

Anwendung von Versuchsplanungsmethoden für effiziente Modellierung und Simulation

(in „Meine Videos“ ansehen)

Durch die sequentielle Ausführung von Simulationen auf Hochleistungsrechnern (HPC) in Versuchsplanungsblöcken (DOE) lässt sich die Genauigkeit schneller Ersatzmodelle rasch erhöhen. Sobald ausreichend präzise Ersatzmodelle vorliegen, können HPC-Ressourcen schneller für andere Modellierungs- und Simulationsprojekte (M&S) zur Verfügung gestellt werden.

So geht's:

• Verstehen Sie, warum ein geplantes Experiment erstellt werden muss, bevor Sie mit der Modellierung und Simulation beginnen.
• Vergleich und Gegenüberstellung von traditionellem DOE und raumfüllendem DOE
• Entscheiden Sie, welchen Designtyp Sie verwenden möchten – Latin Hypercube oder Space-Filling.
• Entwerfen Sie ein raumfüllendes Design, erkunden Sie es visuell, wenden Sie Regressions- und Machine-Learning-Modelle an und erstellen Sie eine ehrliche Bewertung, die Trainings-, Test- und Validierungsdaten umfasst.

HINWEIS: Im gesamten Video sind Fragen und Antworten eingestreut.

Ressourcen:

• NASA-Vergleichsbewertungsdokument
• VIDEO: Dashboard des C-5-Entscheidungsunterstützungstools

• Dissertation von Oberstleutnant Brian Wade, Direktor von TRAC-MTRY, Marine-Postgraduiertenschule, 2017

• Tutorial der Military Operations Research Society (MORS) für die Modellierungs- und Simulations-Community of Practice (CoP) 2020

• JMP Discovery Summit 2020 Webcast vonJMP-Beast-Modus:BGrundEErkundung durchAdaptivSStichprobenTTechniken

• Entwurf und Analyse von Computerexperimenten von Sacks, J., Welch, WJ, Mitchell, TJ und Wynn, HP Statistical Science 4. 409-423, 1989

• Santner, TJ, Williams, BJ und Notz, WI (2003), Entwurf und Analyse von Computerexperimenten , Springer, New York (2. Auflage 2018)

• Fang, KT, Li, RZ und Sudjianto, A. (2005), Entwurf und Modellierung für Computerexperimente , Chapman & Hall/CRC Press, New York

• Kleijnen, JPC (2008), DASE: Design und Analyse von Simulationsexperimenten . Springer, New York. (2. im Jahr 2015)

• Die Elemente des statistischen Lernens – Data Mining, Inferenz und Vorhersage von Hastie, Tibshirani und Friedman – 2001 (Kapitel 7: Modellbewertung und -auswahl)

• Das SEED-Zentrum (Simulation Experiments & Efficient Design) für Datenfarming an der Naval Postgraduate School

• Designs der Naval Postgraduate School https://nps.edu/web/seed/software-downloads

• Bibliothek orthogonaler Arrays, gepflegt von Neil JA Sloane

• Bibliothek orthogonaler Arrays, gepflegt von Warren F. Kuhfield

Effizientes DOE.JPG

Versuchsplanung