Принципиально новые возможности для исследования пространства проектных параметров и обучения аппроксимационных моделей в новом релизе pSeven от DATADVANCE

Исследование пространства проектных параметров

Из других улучшений блока Design space exploration можно отметить:

• Возможность настроить технику Surrogate-based optimization таким образом, чтобы добавить к исходной выборке данных только одну точку, то есть рассчитать следующее приближение к оптимальному решению.
• Автоматическую нормализацию пространства параметров в техниках адаптивного планирования эксперимента (Adaptive design) и планирования по методу латинских гиперкубов (Latin hypercube sampling), что повышает стабильность работы данных техник.
• Улучшенную работу техники адаптивного планирования экспериментов в случаях, когда значения откликов могут быть невычислимы в некоторых точках.

• Добавлены порты, в которые блок передает данные для построения графиков функций распределения и плотности вероятности.
• HTML-отчет блока можно не только просматривать в режиме Analyze, но и автоматически сохранять в файл.
• Реализована поддержка полиномиального распределения, что позволяет явным образом задавать дискретное распределение для какой-либо переменной.

Предсказательное моделирование

• Улучшена внутренняя процедура валидации, которую SmartSelection использует для оценки качества промежуточных моделей в случае отсутствия отдельной тестовой выборки. Новый метод работает быстрее и дает более точные оценки качества, чем кросс-валидация.
• Расширен набор опций техники аппроксимации на основе Гауссовских процессов (Gaussian Processes), участвующих в SmartSelection. Это позволяет получать GP-модели более высокого качества.
• При обучении моделей в режиме SmartSelection можно удалить из итоговой модели те выборки данных, которые использовались в ходе заключительной кросс-валидации. Для многих моделей удаление этой дополнительной валидационной информации заметно уменьшает размер модели, т.е. уменьшает объем занятой оперативной памяти при вычислении модели.

Анализ данных

• Теперь результаты запуска блока Composite можно не только сохранить в файл на диске, но и загрузить данные из файла в отчет, а также просмотреть их с помощью инструмента Sample viewer.
  

• Появилась возможность копировать данные о корреляциях и значимости переменных из Sample viewer в буфер обмена.
• Инструмент импорта данных быстрее обрабатывает большие файлы Excel. Также улучшено распознавание заголовков таблиц и проведены некоторые доработки интерфейса.

Интерфейс и полезные функции

Новые функции:

• Копирование значений входов, выходов и параметров расчетных схем.
• Копирование значений из строк в Sample viewer во входы или параметры расчетной схемы.
  

• Тестирование кода в блоке PythonScript без запуска расчетной схемы (изолированный запуск блока) и другие улучшения.

Улучшения интерфейса:

• Ускорена работа инструмента Sample viewer за счет устранения ненужных фоновых операций – например на вкладке Dependency.
• Быстрее работают 2D-графики с большим количеством данных.

https://www.datadvance.net/ru/blog/release-notes/2019/pseven-6.16-release.html