In general terms, sensitivity analy

In general terms, sensitivity analysis is performed to ascertain how susceptible a model is to changes in the value of the parameters and structure of the model. It can be used to assess how the model behaviour responds to changes in parameter values during model building and spot relationships determined during training (evaluation). In the latter, the influence of input variables on the dependent variable is examined by evaluating the changes in error committed by the network that would result if an input were removed. As an example application, Pastor-Bárcenas et al. (2005) performed unbiased sensitivity analysis for the development of neural networks for surface ozone modeling. Sensitivity analysis was useful in model development and in identifying the influence of ozone precursors and the ultimate formation of trophospheric ozone.

Kết quả (Việt) 1:

Trong các điều khoản chung, phân tích độ nhạy được thực hiện để xác định làm thế nào dễ bị một mô hình là để thay đổi giá trị của các thông số và cấu trúc của mô hình. Nó có thể được sử dụng để đánh giá cách hành vi mô hình đáp ứng với những thay đổi trong giá trị tham số trong quá trình xây dựng mô hình và các mối quan hệ tại chỗ được xác định trong quá trình đào tạo (đánh giá). Năm sau đó, ảnh hưởng của các biến đầu vào trên biến phụ thuộc được kiểm tra bằng cách đánh giá những thay đổi trong lỗi cam kết bằng cách mạng sẽ cho kết quả nếu một đầu vào đã được gỡ bỏ. Như là một ứng dụng ví dụ, mục sư-Bárcenas et al. (2005) thực hiện phân tích độ nhạy không thiên vị cho sự phát triển của mạng nơ-ron cho mô hình hóa bề mặt ozone. Phân tích độ nhạy là hữu ích trong mô hình phát triển và xác định sự ảnh hưởng của tiền chất ozone và sự hình thành cuối cùng của trophospheric ozone.

Kết quả (Việt) 2:

Nói chung, phân tích độ nhạy được thực hiện để xác định như thế nào dễ bị một mô hình là để thay đổi giá trị của các thông số và cấu trúc của mô hình. Nó có thể được sử dụng để đánh giá các hành vi mô hình đáp ứng với những thay đổi trong giá trị tham số trong xây dựng mô hình và các mối quan hệ tại chỗ được xác định trong quá trình đào tạo (đánh giá). Năm thứ hai, sự ảnh hưởng của các biến đầu vào của biến phụ thuộc được kiểm tra bằng cách đánh giá những thay đổi trong lỗi phạm của các mạng mà có kết quả nếu một đầu vào được lấy ra. Là một ứng dụng ví dụ, Mục sư-Bárcenas et al. (2005) thực hiện phân tích độ nhạy không thiên vị cho sự phát triển của mạng lưới thần kinh để mô hình hóa bề mặt ozone. Phân tích độ nhạy là hữu ích trong việc phát triển mô hình và xác định ảnh hưởng của tiền chất ozone và sự hình thành cuối cùng của ozone trophospheric.