Experimental Design and Observation for Large Systems
大型系统的实验设计与观测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论工程系统的计算机实验与代理建模，未提供所列经济计量细分领域的依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
大型系统的实验设计与观测
- 研究问题
- 面对复杂非线性响应和高维输入的大型系统，如何结合计算机实验设计与系统分解，构建可用于优化和敏感性分析的模型？
- 方法与思路
- 摘要讨论拉丁超立方与格点设计，并在电路模拟器实例中结合稀疏矩阵系统分解、实验设计和建模来构造模拟代理。
- 材料陈述的贡献
- 摘要称这一组合在所给电路模拟器案例中产生了可用于优化与敏感性分析的代理模型，说明系统分解能够帮助降低复杂度。
- 阅读关注点
- 应核对系统分解所依据的结构、实验设计与建模如何衔接、代理模型的误差评估，以及实例经验能否推广到其他系统。
- 阅读边界
- 仅依据 Crossref 摘要；设计规模、代理模型精度和推广条件未提供，单个工程案例不足以证明对所有大型系统都有效。
原文摘要
SUMMARY Large systems require new methods of experimental designs suitable for the highly adaptive models which are employed to cope with complex non-linear responses and high dimensionality of input spaces. The area of computer experiments has started to provide such designs especially Latin hypercube and lattice designs. System decomposition, prevalent in several branches of engineering, can be employed to decrease complexity. A combination of system decomposition using a sparse matrix method, experimental design and modelling is applied to one example of an electrical circuit simulator producing a usable emulator of the circuit for use in optimization and sensitivity analysis.