check op• 데이터 종류: calresult → calresult
• 호출: import fullseye as fs; fs.ledger.simcal_uncertainty(result=None, method='laplace', n_boot=40, level=0.95, seed=0) -> 'dict'(구현을 직접 호출하려면 import simcalcheck; simcalcheck.simcal_uncertainty(result=None, method='laplace', n_boot=40, level=0.95, seed=0) -> 'dict', 원장에서 가져오려면 opssimcal.get("simcal_uncertainty"))
결정된 노브의 표준편차와 구간: Laplace(Fisher 정보의 역) 또는 모수적 부트스트랩.
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
Only knobs that kept a point estimate are covered; knobs without one are held at the end point (the intervals are conditional on them — stated in note). laplace: covariance = inverse of J^T W J at the estimate on the unit-scaled knobs, intervals u ± z sd mapped back through each knob's scale (a log knob gets an asymmetric interval), std by the delta method. bootstrap: n_boot refits to the fitted prediction plus Gaussian noise of the noise model's variance (Efron 1979), percentile intervals at level. A result with no point estimate is refused. Under a model discrepancy both are optimistic (simcal_discrepancy says so).
• sim_to_real_calibration 패밀리 가이드
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• poc_simcal_thin_film — py -3.11 examples/poc_simcal_thin_film.py
calresult 를 입력으로 받는 것)simcal_identifiability · simcal_validate · simcal_discrepancy · simcal_report
check)simcal_identifiability · simcal_validate · simcal_discrepancy
*Provenance: simcalcheck.py — SIMCAL 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.