×

马尔可夫人口模型的贝叶斯抽象。 (英语) Zbl 07817526号

Parker,David(编辑)等人,《系统的定量评估》。2019年9月10日至12日在英国格拉斯哥举行的2019年QEST第16届国际会议。诉讼程序。查姆:斯普林格。莱克特。注释计算。科学。11785, 259-276 (2019).
摘要:马尔可夫种群模型是一种广泛应用的形式主义,在系统生物学、性能评价、生态学等许多领域都有应用。连续时间内相关的马尔可夫随机过程通常通过仿真进行分析,这对于大型或刚性系统来说可能代价高昂,尤其是当仿真必须在多尺度模型中进行时(例如,模拟组织中的单个细胞)。减少计算负荷的一种策略是抽象人口模型,用更简单的随机模型代替它,以更快地进行模拟。在这里,我们在先前工作的基础上继续追求这个想法[博托鲁西乳杆菌L.帕尔米耶里,莱克特。注释计算。科学。11095, 21–38 (2018;Zbl 1397.92272号)]以及在连续空间和离散时间中构造马尔可夫过程的近似核,捕获固定时间步长的演化。该内核是从原始模型的模拟中自动学习的。与依赖深度神经网络的[loc.cit.]不同,我们在这里探索了一种基于Dirichlet过程的贝叶斯密度回归方法,它提供了一种估计不确定性的原则方法。
关于整个系列,请参见[Zbl 1419.68016号].

MSC公司:

92D25型 人口动态(概述)
60J28型 连续时间Markov过程在离散状态空间中的应用
92天30分 流行病学
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] Barber,D.:贝叶斯推理与机器学习。剑桥大学出版社,剑桥(2012)
[2] Bodei,C.,Bortolussi,L.,Chiarugi,D.,Guerriero,M.L.,Policiti,A.,Romanel,A.:关于离散性和抽象性对基因调控网络中建模噪声的影响。计算。生物化学。56, 98-108 (2015)
[3] Bortolussi,L.,Palmieri,L.:化学反应网络的深层抽象。收录于:乔什卡,M.,Šafránek,D.(编辑)CMSB 2018。LNCS,第11095卷,第21-38页。查姆施普林格(2018)。https://doi.org/10.1007/978-3-319-99429-1_2
[4] Cao,Y.,Petzold,L.:化学反应系统随机模拟中的精度限制和误差测量。J.计算。物理学。212(1), 6-24 (2006)
[5] Deisboeck,T.S.,Wang,Z.,Macklin,P.,Cristini,V.:多尺度癌症建模。每年。生物识别版本。《工程》13(1),127-155(2011)。https://doi.org/10.1146/annurev-bioeng-071910-124729
[6] 邓森,D.B.:经验贝叶斯密度回归。《中国统计》17(2),481(2007)
[7] Dunson,D.B.,Pillai,N.,Park,J.H.:贝叶斯密度回归。J.罗伊。Stat.Soc.:序列号。B(Stat.Methodol.)69(2),163-183(2007)
[8] Ferguson,T.S.:一些非参数问题的贝叶斯分析。Ann.Stat.1209-230(1973)
[9] Gelman,A.,Stern,H.S.,Carlin,J.B.,Dunson,D.B.,Vehtari,A.,Rubin,D.B.:贝叶斯数据分析。查普曼和霍尔/CRC,博卡拉顿(2013)
[10] Gillespie,D.T.,Petzold,L.:生化动力学的数值模拟。摘自:Szallasi,Z.、Stelling,J.、Periwal,V.(编辑)《细胞生物学中的系统建模》,第331-354页。麻省理工学院出版社,剑桥(2006)
[11] Ishwaran,H.,James,L.F.:破胶前期的吉布斯取样方法。《美国统计协会期刊》96(453),161-173(2001)
[12] Maarleveld,T.R.,Olivier,B.G.,Bruggeman,F.J.:Stochpy:模拟随机生物过程的综合、用户友好工具。公共科学图书馆ONE 8(11),e79345(2013)
[13] Michaelides,M.,Hillston,J.,Sanguinetti,G.:多尺度时空系统的统计抽象。收录:Bertrand,N.,Bortolussi,L.(编辑)QEST 2017。LNCS,第10503卷,第243-258页。查姆施普林格(2017)。https://doi.org/10.1007/978-3-319-66335-7_15
[14] Norris,J.R.:马尔可夫链。剑桥大学出版社,剑桥(1998)
[15] Nott,D.J.,Tan,S.L.,Villani,M.,Kohn,R.:用变分方法和随机近似进行回归密度估计。J.计算。图表。Stat.21(3),797-820(2012)
[16] Palaniappan,S.K.,Bertaux,F.,Pichene,M.,Fabre,E.,Batt,G.,Genest,B.:利用信息理论抽象生物路径的动力学。生物信息学331980-1986(2017)
[17] Sethuraman,J.:迪里克莱先验的建设性定义。《中国统计》4639-650(1994)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。