文献層: 感度解析・不確かさ定量化・較正(厳選)
何のコーパスか: 大域感度解析、同定可能性、多変量回帰、計算機モデルの較正、代理モデル、画像処理パラメータの感度を集めたコーパス。
Fullseye でなぜ要るか: 多数の入力を持つ撮像・計測モデルで、結果を動かす因子、データから決められる因子、実測との差を分けて扱うために使う。
来歴: OpenAlex から取得した論文メタデータの主題側 847 本(分野違い・重複を落とした後)を、取得クエリの軸 6 クラスタで持つ生のコーパス(LLM による階層化・要約はしていない、2026-10-15)。この層は人が厳選した層で、軸ごとの概観は人が抄録を読んで自分の言葉で書いたもの、論文は古典と 2020 年以降の有用なものを手で選んだもの(目録 docs/literature/curated/sensitivity_uq_calibration.json)。載せるのは題名・著者・年・DOI だけ(メタデータは CC0。抄録は出版社の権利なので写さない —— 目録の手書き文はコーパスの全抄録と 8 語の並びで突き合わせ、一致があれば生成を止める)。軸の本数は語彙で当たった本数で、2 軸以上に当たる文献は両方で数える。
使い方(op に落とす): 各軸の「使う op」は目録に人が書いた対応で、op 名は生成時に出荷ノート 3,623 本の一覧と突き合わせる(無ければ止まる)。op の後ろはなぜ使うかと型。「Fullseye に無いもの」は op に落ちていない部分を正直に書いたもの。読む順: 話題 → 軸の概観 → 使う op → op ノート(型の契約・実行できる例)→ 厳選した文献。末尾の「op → クラスタ」で逆に引ける。
目次
T1 大域感度解析
289 本(この軸の語彙で当たった本数)
出力分散を入力ごとの主効果と相互作用へ分け、計算予算に応じてスクリーニングと定量評価を使い分ける。
使う op(目録の対応。ノートで型と例を確かめてから使う):
sens_sobol(分散ベースの一次効果と全効果を求める、design × signal → table)sens_morris(少ない評価回数で影響の大きい入力を絞る、design × signal → table)doe_saltelli(感度指標用の標本を再現可能に作る、入力なし → design)- Fullseye に無いもの: 依存する入力を含む感度指標の専用 op は無い。
厳選した文献(6 本、古い順)
- 題名・著者・年・DOI と、読む理由:
- Max D. Morris (1991). Factorial Sampling Plans for Preliminary Computational Experiments. 10.1080/00401706.1991.10484804 —— 予備計算の因子選別を確認する
- Andrea Saltelli et al. (1999). A Quantitative Model-Independent Method for Global Sensitivity Analysis of Model Output. 10.1080/00401706.1999.10485594 —— モデル非依存の感度測定を確認する
- Ilya M. Sobol (2001). Global sensitivity indices for nonlinear mathematical models and their Monte Carlo estimates. 10.1016/s0378-4754(00)00270-6 —— 分散ベース感度指標の基礎を確認する
- Andrea Saltelli (2002). Making best use of model evaluations to compute sensitivity indices. 10.1016/s0010-4655(02)00280-1 —— 限られたモデル評価の配分を確認する
- Bruno Sudret (2007). Global sensitivity analysis using polynomial chaos expansions. 10.1016/j.ress.2007.04.002 —— 多項式展開による感度解析を確認する
- Andrea Saltelli et al. (2009). Variance based sensitivity analysis of model output. Design and estimator for the total sensitivity index. 10.1016/j.cpc.2009.09.018 —— 全効果指標の推定設計を確認する
T2 同定可能性
160 本(この軸の語彙で当たった本数)
観測からパラメータを一意に決められるかを、構造と有限データの両面から診断する。
使う op(目録の対応。ノートで型と例を確かめてから使う):
厳選した文献(6 本、古い順)
- 題名・著者・年・DOI と、読む理由:
- Roland Brun et al. (2001). Practical identifiability analysis of large environmental simulation models. 10.1029/2000wr900350 —— 大規模モデルでの実用的診断を確認する
- Andreas Raue et al. (2009). Structural and practical identifiability analysis of partially observed dynamical models by exploiting the profile likelihood. 10.1093/bioinformatics/btp358 —— 構造的・実用的同定可能性の分析を確認する
- Hongyu Miao et al. (2011). On Identifiability of Nonlinear ODE Models and Applications in Viral Dynamics. 10.1137/090757009 —— 非線形モデルの同定可能性を確認する
- Oana-Teodora Chis et al. (2011). Structural Identifiability of Systems Biology Models: A Critical Comparison of Methods. 10.1371/journal.pone.0027755 —— 構造解析手法の比較を確認する
- Paul D. Arendt et al. (2012). Quantification of Model Uncertainty: Calibration, Model Discrepancy, and Identifiability. 10.1115/1.4007390 —— 食い違いと同定可能性の関係を確認する
- Franz-Georg Wieland et al. (2021). On structural and practical identifiability. 10.1016/j.coisb.2021.03.005 —— 構造と実用の区別を整理する
T3 PLS回帰・変数選択
136 本(この軸の語彙で当たった本数)
強く相関した多数の説明変数を潜在成分へまとめ、予測と変数の重要度を評価する。
使う op(目録の対応。ノートで型と例を確かめてから使う):
厳選した文献(6 本、古い順)
- 題名・著者・年・DOI と、読む理由:
- Lars Nørgaard et al. (2000). Interval Partial Least-Squares Regression ( i PLS): A Comparative Chemometric Study with an Example from Near-Infrared Spectroscopy. 10.1366/0003702001949500 —— 区間単位のPLSを確認する
- Svante Wold et al. (2001). PLS-regression: a basic tool of chemometrics. 10.1016/s0169-7439(01)00155-1 —— PLS回帰の基本を確認する
- Il-Gyo Chong et al. (2005). Performance of some variable selection methods when multicollinearity is present. 10.1016/j.chemolab.2004.12.011 —— 共線性下の変数選択を比較する
- Ronald T. Cenfetelli et al. (2009). Interpretation of Formative Measurement in Information Systems Research1. 10.2307/20650323 —— 潜在変数の解釈上の注意を確認する
- Hyonho Chun et al. (2010). Sparse Partial Least Squares Regression for Simultaneous Dimension Reduction and Variable Selection. 10.1111/j.1467-9868.2009.00723.x —— 疎なPLSによる選択を確認する
- Etienne Thévenot et al. (2015). Analysis of the Human Adult Urinary Metabolome Variations with Age, Body Mass Index, and Gender by Implementing a Comprehensive Workflow for Univariate and OPLS Statistical Analyses. 10.1021/acs.jproteome.5b00354 —— 多変量データへの応用例を確認する
T4 計算機モデルの較正
208 本(この軸の語彙で当たった本数)
シミュレータの入力を実測へ合わせる際に、観測誤差とモデル自体の食い違いを分離する。
使う op(目録の対応。ノートで型と例を確かめてから使う):
厳選した文献(6 本、古い順)
- 題名・著者・年・DOI と、読む理由:
- Marc C. Kennedy et al. (2001). Bayesian Calibration of Computer Models. 10.1111/1467-9868.00294 —— 計算機モデル較正の基礎を確認する
- Viatcheslav Kharin et al. (2007). Changes in Temperature and Precipitation Extremes in the IPCC Ensemble of Global Coupled Model Simulations. 10.1175/jcli4066.1 —— 複数モデルの実データ比較を確認する
- Dave Higdon et al. (2008). Computer Model Calibration Using High-Dimensional Output. 10.1198/016214507000000888 —— 高次元出力の較正を確認する
- Rick Kessler et al. (2009). FIRST-YEAR SLOAN DIGITAL SKY SURVEY-II SUPERNOVA RESULTS: HUBBLE DIAGRAM AND COSMOLOGICAL PARAMETERS. 10.1088/0067-0049/185/1/32 —— 観測を用いたモデル制約の例を確認する
- Lyatt Jaeglé et al. (2011). Global distribution of sea salt aerosols: new constraints from in situ and remote sensing observations. 10.5194/acp-11-3137-2011 —— 遠隔観測による較正例を確認する
- Ralph C. Smith (2013). Uncertainty Quantification: Theory, Implementation, and Applications. 10.1137/1.9781611973228 —— 不確かさ定量化の全体像を確認する
T5 代理モデル・エミュレータ
282 本(この軸の語彙で当たった本数)
高価な計算の入出力を少数点から近似し、設計探索と不確かさ伝播の計算量を抑える。
使う op(目録の対応。ノートで型と例を確かめてから使う):
厳選した文献(6 本、古い順)
- 題名・著者・年・DOI と、読む理由:
- Jerome Sacks et al. (1989). Design and Analysis of Computer Experiments. 10.1214/ss/1177012413 —— 計算機実験の設計と近似を確認する
- Boxin Tang (1993). Orthogonal Array-Based Latin Hypercubes. 10.1080/01621459.1993.10476423 —— 入力点の空間充填設計を確認する
- Andrea Saltelli et al. (2004). Sensitivity Analysis in Practice: A Guide to Assessing Scientific Models. W3011730451 —— 感度解析の実務的な手順を確認する
- Bruno Sudret (2007). Global sensitivity analysis using polynomial chaos expansions. 10.1016/j.ress.2007.04.002 —— 多項式展開による近似を確認する
- Ralph C. Smith (2013). Uncertainty Quantification: Theory, Implementation, and Applications. 10.1137/1.9781611973228 —— 近似を含む不確かさ定量化を確認する
- Jenný Brynjarsdóttir et al. (2014). Learning about physical parameters: the importance of model discrepancy. 10.1088/0266-5611/30/11/114007 —— モデル食い違いが推定へ与える影響を確認する
T6 画像処理パラメータの感度
21 本(この軸の語彙で当たった本数)
画像処理の設定を振り、分割や判定の出力がどの程度変わるかを測る。
使う op(目録の対応。ノートで型と例を確かめてから使う):
sens_morris(多数の設定から影響の強いものを選ぶ、design × signal → table)sens_sobol(設定と相互作用の寄与を定量化する、design × signal → table)doe_morris(設定を振る実験点を作る、入力なし → design)- Fullseye に無いもの: 画像分割器を自動調整する専用 op は無い。
厳選した文献(6 本、古い順)
- 題名・著者・年・DOI と、読む理由:
- Leandro Nunes de Castro et al. (2002). aiNet. 10.4018/978-1-930708-25-9.ch012 —— 適応的な情報処理の背景を確認する
- Kevan B. Moffett et al. (2012). Distinguishing wetland vegetation and channel features with object-based image segmentation. 10.1080/01431161.2012.718463 —— 画像分割設定の影響例を確認する
- George Teodoro et al. (2016). Algorithm sensitivity analysis and parameter tuning for tissue image segmentation pipelines. 10.1093/bioinformatics/btw749 —— 分割処理の感度と調整を確認する
- Daniel Güllmar et al. (2022). Investigation of biases in convolutional neural networks for semantic segmentation using performance sensitivity analysis. 10.1016/j.zemedi.2021.11.004 —— 分割モデルの偏りの調査例を確認する
- Edgaras Janusonis et al. (2024). Selection of Optimal Segmentation Algorithm for Satellite Images by Intuitionistic Fuzzy PROMETHEE Method. 10.3390/app14020644 —— 分割手法の選択例を確認する
- Minyoung Park et al. (2025). ES-UNet: efficient 3D medical image segmentation with enhanced skip connections in 3D UNet. 10.1186/s12880-025-01857-0 —— 三次元分割への近年の応用を確認する
op → クラスタ(逆引き)
この層で「使う op」に挙がった op と、それが出た軸。op から「どの知識の文脈で使うか」を引く。