凯瑟琳·皮尔斯。;伊普森，伊尔塞·C·F。;Mansoor A.Haider。;阿文德·塞巴巴。;Ralph C.史密斯。 基于列子集选择的鲁棒参数可辨识性分析。 arXiv公司：2205.04203 预印本，arXiv:2205.04203[math.NA]（2022）。 摘要：我们提倡一种在数值上可靠且准确的实用参数可辨识性分析方法：将列子集选择（CSS）应用于灵敏度矩阵，而不是计算Fischer信息矩阵的特征值分解。通过CSS进行可辨识性分析有三个优点：（i）它量化了选定为可识别和不可识别的参数子集的可靠性。（ii）它建立了比较不同算法准确性的标准。（iii）这些实现在数值上比应用于Fischer矩阵的特征值方法更准确和可靠，但不会增加计算成本。CSS方法的有效性通过对来自六个物理模型的灵敏度矩阵以及对抗性合成矩阵的大量数值实验来说明。在CSS方法中，我们推荐基于强等级揭示QR算法的实现，因为它对可识别和不可识别参数都有严格的准确性保证。 MSC公司： 65层25 数值线性代数中的正交化 65英尺35英寸 矩阵范数、条件、缩放的数值计算 65Z05个 科学应用 15甲12 矩阵的条件化 15甲18 特征值、奇异值和特征向量 15A23型 矩阵的因式分解 15A42型 包含特征值和特征向量的不等式 37N25号 生物学中的动力系统 92立方厘米 系统生物学、网络 BibTeX公司 引用 \textit{K.J.Pearce}等人，“通过列子集选择进行稳健参数可识别性分析”，预打印，arXiv:2205.04203[math.NA]（2022） 全文： arXiv公司 OA许可证 arXiv数据来自arXiv OAI-PMH API.如果你发现了错误，请直接向arXiv报告.