simcal_screen — SIMCAL `fit` op

• Datenarten: simmodel → table

• Aufruf: import fullseye as fs; fs.ledger.simcal_screen(model=None, method='morris', size=8, threshold=10.0, seed=0) -> 'dict' (die Implementierung direkt: import simcal; simcal.simcal_screen(model=None, method='morris', size=8, threshold=10.0, seed=0) -> 'dict'; aus dem Register: opssimcal.get("simcal_screen"))

Verwendung

Welche Regler die Bilder über das Kamerarauschen hinaus bewegen, welche vermengt sind und wie viele Ausgaberichtungen es gibt.

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

Runs the model on a screening plan over the free knobs' ranges — Morris trajectories (sensitivity.doe_morris, size of them, (k+1) runs each) or a Saltelli plan (sensitivity.doe_saltelli with n = the power of two >= 8 x size rows, (k+2) n runs) — and whitens every output by the noise standard deviation at the initial knobs. The whitened outputs are reduced to principal components and the indices are computed per component with sensitivity.sens_morris / sens_sobol (reused):

Morris mu_star_whitened = sqrt(sum over components of mu*^2) — roughly how many noise standard deviations a full-range move of the knob shifts the images; Sobol' gsi_st = the variance-weighted total index over components (Lamboni et al. 2011). output_dims = number of principal directions of the centred whitened runs above the noise edge (sensitivity.mv_residual_pca with sigma = 1): more free knobs than output dims means the data cannot fix them all. Local confounding at the initial knobs:

sensitivity.mv_confounding on the whitened Jacobian (gamma_K > threshold).

class per knob: no_influence (Morris: mu*_whitened < 1.96, i.e. a full-range move is within noise; Sobol': gsi_st < 0.001), combination (in a confounded group: only a combination is determined), else determined. Needs a noise model (refused without).

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie sim_to_real_calibration

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_simcal_thin_film — py -3.11 examples/poc_simcal_thin_film.py

• simcal_tour — py -3.11 examples/simcal_tour.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

—

Gleiche Kategorie (`fit`)

simcal_fit

*Provenance: simcal.py — SIMCAL Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

simcal_screen — SIMCAL fit op