×
大卫·J·沃恩。;托马斯·普雷斯科特。;露丝·E·贝克。;马修·辛普森。

多保真度多级蒙特卡罗加速部分观测随机过程的近似贝叶斯参数推断。 （英语） Zbl 07592142号

J.计算。物理学。 469，文章ID 111543，23 p.（2022）.
摘要：随机过程模型广泛应用于几乎所有科学领域。理论验证、参数估计和预测都需要使用数据进行模型校准和统计推断。然而，数据几乎总是对现实的不完整观察。这给统计推断带来了很大的挑战，因为对于几乎所有部分观测到的随机过程，似然函数都是难以处理的。这使得许多统计方法，尤其是在贝叶斯框架内，无法实现。因此，采用了计算成本高的无似然方法，用模型和观测过程的实现来代替似然评估。然而，为了进行准确的推断，可能无需任何硬件的技术可能需要数百万昂贵的随机模拟。为了应对这一挑战，我们基于多级和多重方法的最新进展，开发了一种新的方法，用于使用部分观测到的马尔可夫过程进行参数推断。我们的新方法结合了多级蒙特卡罗伸缩求和，应用于一系列近似贝叶斯后向目标，使用多义性拒绝采样器，该采样器从计算成本低廉的模型近似中学习，以最小化精确推断所需的计算成本高昂的精确模拟的数量。我们给出了新算法的推导过程，讨论了实际的实现细节，并证明了性能的显著改进。通过使用系统生物学中的示例，我们证明了与标准拒绝抽样技术相比，改进了两个数量级以上。我们的方法通常适用于加速其他采样方案，如顺序蒙特卡罗，以实现可行的贝叶斯分析，用于物理、化学、生物学、流行病学、生态学和经济学的实际应用。我们提供了方法和演示的源代码实现（可在https://github.com/davidwarne/MLMC和MultifielityForABC).

引用于2文件

MSC公司：

65立方厘米 概率方法，随机微分方程
62Fxx公司 参数化推理
60华氏度 随机分析

关键词：

贝叶斯推断;近似贝叶斯计算;多重拒绝抽样;多级蒙特卡罗;部分观测的马尔可夫过程;生化反应网络

软件：

WBR-2019;STOCHSIMGPU公司;MLM和ABC的保密性;贝叶斯DA;AABC公司
PDF格式BibTeX公司 XML格式引用
\textit{D.J.Warne}等人，J.Compute。物理学。469，文章ID 111543，第23页（2022；Zbl 07592142）
全文： 内政部 arXiv公司

参考文献：

[1] 范德梅伦，F。；Schauer，M.，《不完全观测扩散的贝叶斯估计》，Int.J.Probab。斯托恰斯特。工艺。，90, 5, 641-662 (2017) ·Zbl 1500.60051号
[2] Dellaportas，P。；弗里尔，N。；Roberts，G.O.，部分观测扩散模型的贝叶斯模型选择，Biometrika，93，4，809-825（2006）·Zbl 1436.62407号
[3] Golightly，A。；Wilkinson，D.J.，非线性多元扩散的贝叶斯序贯推断，统计计算。，16, 4, 323-338 (2006)
[4] Elowitz，M.B。；莱文·A·J。；Siggia，E.D。；Swain，P.S.，单细胞中的随机基因表达，《科学》，297，1183-1186（2002）
[5] Raj，A。；van Oudenaarden，A.，《自然、后天或机遇：随机基因表达及其后果》，《细胞》，135，2，216-226（2008）
[6] Wilkinson，D.J.，异质生物系统定量描述的随机建模，《自然评论遗传学》。，10, 122-133 (2009)
[7] Fedoroff，N。；Fontana，W.，《大分子的小数目》，《科学》，2971129-1131（2002）
[8] 布雷克·W·J。；凯恩，M。；康托，C.R。；Collins，J.J.，真核基因表达中的噪音，《自然》，422633-637（2003）
[9] 布雷琴科，S。；Holehouse，J。；Grima，R.，区分哺乳动物基因表达模型：电报样模型与机械模型，J.R.Soc.Interface，18，文章20210510 pp.（2021）
[10] Gammaitoni，L。；Hanggi，P。；Jung，P。；Marchesoni，F.，《随机共振》，修订版。物理。，70, 1, 223-287 (1998)
[11] 穆拉托夫，C.B。；Vanden-Eijnden，E。；Weinan，E.，可兴奋系统中的自感随机共振，Physica D，210，3-4227-240（2005）·Zbl 1109.34040号
[12] 威伦斯，T。；沙托金，V。；Buchleitner，A.，《随机共振》，Rep.Prog。物理。，67, 1, 45-105 (2004)
[13] Paulsson，J。；O.G.Berg。；Ehrenberg，M.，《随机聚焦：波动增强的细胞内调节敏感性》，Proc。国家。阿卡德。科学。，97, 13, 7148-7153 (2000)
[14] Schlögl，F.，非平衡相变的化学反应模型，Z.Phys。，253, 2, 147-161 (1972)
[15] Schnakenberg，J.，《具有极限循环行为的简单化学反应系统》，J.Theor。《生物学》，81，3，389-400（1979）
[16] Gelman，A。；Carlin，J.B。；斯特恩，H.S。；邓森，D.B。；Vehtari，A。；Rubin，D.B.，贝叶斯数据分析（2014），查普曼和霍尔/CRC·Zbl 1279.62004号
[17] 北卡罗来纳州大都会。；罗森布鲁斯，A.W。；Rosenbluth，M.N。；出纳员，A.H。；Teller，E.，快速计算机器的状态方程计算，J.Chem。物理。，21, 6, 1087-1092 (1953) ·Zbl 1431.65006号
[18] Hastings，W.K.，《使用马尔可夫链的蒙特卡罗采样方法及其应用》，《生物统计学》，57，1，97-109（1970）·Zbl 0219.65008号
[19] Del Moral，P。；Doucet，A。；Jasra，A.，顺序蒙特卡罗采样器，J.R.Stat.Soc.，Ser。B、 统计方法。，68, 3, 411-436 (2006) ·Zbl 1105.62034号
[20] Sisson，S.A。；范，Y。；Beaumont，M.，《近似贝叶斯计算手册》（2018），查普曼和霍尔/CRC出版社
[21] 桑纳克，M。；Busetto，A.G。；努米宁，E。；Corander，J。；福尔，M。；Dessimoz，C.，近似贝叶斯计算，公共科学图书馆计算。生物学，9，1，文章e1002803 pp.（2013）
[22] 沃恩，D.J。；贝克·R·E。；Simpson，M.J.，《随机生化反应网络的模拟和推理算法：从基本概念到最新技术》，J.R.Soc.Interface，16，151，Article 20180943 pp.（2019）
[23] Andrieu，C。；Roberts，G.O.，《有效蒙特卡罗计算的伪边缘方法》，《Ann.Stat.》，第37、2、697-725页（2009年）·Zbl 1185.60083号
[24] Andrieu，C。；Doucet，A。；Holenstein，R.，《粒子马尔可夫链蒙特卡罗方法》，J.R.Stat.Soc.，Ser。B、 统计方法。，72, 3, 269-342 (2010) ·Zbl 1411.65020号
[25] 沃恩，D.J。；贝克·R·E。；Simpson，M.J.，《系统生物学中计算推断的伪边缘方法实用指南》，J.Theor。生物学，496，第110255条pp.（2020）
[26] 安，Z。；诺特·D·J。；Drovandi，C.，通过半参数方法的稳健贝叶斯综合似然，统计计算。，30, 3, 543-557 (2019) ·Zbl 1436.62090号
[27] Ong，V.M.H。；诺特·D·J。；Tran，M.-N。；Sisson，S.A。；Drovandi，C.C.，《综合似然变分贝叶斯》，统计计算。，28, 4, 971-988 (2017) ·Zbl 1384.65015号
[28] 价格，L.F。；Drovandi，C.C。；A.李。；诺特，D.J.，贝叶斯综合似然，J.计算。图表。统计，27，1，1-11（2017）·Zbl 07498962号
[29] Lueckmann，J.-M。；Goncalves，P.J。；巴塞托，G。；厄卡，K。；Nonenmacher，M。；Macke，J.H.，神经动力学机械模型的灵活统计推断，高级神经信息处理。系统。，30 (2017)
[30] 帕帕马卡里奥斯，G。；斯特拉特，D。；Murray，I.，《序列神经似然：用自回归流进行快速似然推理》，Proc。机器。学习。Res.，89，837-848（2019）
[31] 克兰默，K。；Brehmer，J。；Louppe，G.，《基于模拟推理的前沿》，Proc。国家。阿卡德。科学。美国，117、48、30055-30062（2020年）·Zbl 1485.62004号
[32] Pritchard，J.K。；塞尔斯塔德，麻省理工。；Perez-Lezaun，A。；Feldman，M.W.，《人类y染色体的群体增长：y染色体微卫星的研究》，《分子生物学》。演变。，16, 12, 1791-1798 (1999)
[33] 塔瓦雷，S。；巴尔丁，D.J。；R.C.格里菲斯。；Donnelly，P.，从DNA序列数据推断聚合时间，遗传学，145，2，505-518（1997）
[34] 博蒙特，医学硕士。；张，W。；Balding，D.J.，《群体遗传学中的近似贝叶斯计算》，遗传学，162,42025-2035（2002）
[35] 马约拉姆，P。；莫里托，J。；Plagnol，V.公司。；Tavaré，S.，《无可能性的马尔可夫链蒙特卡罗》，Proc。国家。阿卡德。科学。美国，100，26，15324-15328（2003）
[36] Sisson，S.A。；范，Y。；Tanaka，M.M.，《无可能性序贯蒙特卡罗》，Proc。国家。阿卡德。科学。美国，104，6，1760-1765（2007）·Zbl 1160.65005号
[37] Del Moral，P。；Doucet，A。；Jasra，A.，用于近似贝叶斯计算的自适应序贯蒙特卡罗方法，统计计算。，22, 5, 1009-1020 (2012) ·Zbl 1252.65025号
[38] Drovandi，C.C。；Pettitt，A.N.，使用近似贝叶斯计算估算大型寄生虫种群进化参数，生物统计学，67，1，225-233（2011）·Zbl 1217.62128号
[39] Bon，J.J。；A.李。；Drovandi，C.，《用替代可能性加速序贯蒙特卡罗法》，统计计算。，31，第62条pp.（2021）·兹比尔1475.62020
[40] 班特尔，M。；Grazian，C。；A.李。；Robert，C.P.，通过延迟接受加速大都会-黑斯廷斯算法，基础数据科学。，1, 2, 103-128 (2019)
[41] 埃弗里特，R.G。；Rowiáska，P.A.，延迟验收ABC-SMC，J.Compute。图表。统计，1-12（2020年）
[42] Golightly，A。；亨德森，D.A。；Sherlock，C.，随机动力学模型中精确推断的延迟接受粒子MCMC，统计计算。，25, 5, 1039-1055 (2014) ·Zbl 1332.60117号
[43] Prangle，D.，Lazy ABC，统计计算。，26, 1, 171-185 (2014) ·Zbl 1342.62036号
[44] 医学博士帕诺。；Marzouk，Y.M.，运输图加速马尔可夫链蒙特卡罗，SIAM/ASA J.Uncert。数量。，6, 2, 645-682 (2018) ·Zbl 1394.65004号
[45] 沃恩·D·J。；贝克·R·E。；Simpson，M.J.，《昂贵随机模型的快速贝叶斯推断》，J.Compute。图表。统计数字（2021年），（印刷中）·Zbl 07547629号
[46] 普雷斯科特，T.P。；Baker，R.E.，多保真近似贝叶斯计算，SIAM/ASA J.Uncert。数量。，8, 1, 114-138 (2020) ·Zbl 1436.62097号
[47] 普雷斯科特，T.P。；Baker，R.E.，《序贯蒙特卡罗参数抽样的多保真近似贝叶斯计算》，SIAM/ASA J.Uncert。数量。，9, 2, 788-817 (2021) ·Zbl 1465.62016号
[48] 佩赫斯托弗，B。；威尔科克斯，K。；Gunzburger，M.，多重蒙特卡罗估计的最优模型管理，SIAM J.Sci。计算。，38、5、A3163-A3194（2016）·Zbl 1351.65009号
[49] Heinrich，S.，积分方程全局解的蒙特卡罗复杂性，J.Complex。，14, 2, 151-175 (1998) ·Zbl 0920.65090号
[50] Giles，M.B.，多层蒙特卡罗方法，数值学报。，24, 259-328 (2015) ·兹比尔1316.65010
[51] Giles，M.B.，多层蒙特卡罗路径模拟，Oper。研究，56，3，607-617（2008）·Zbl 1167.65316号
[52] 安德森·D·F。；Higham，D.J.，《连续时间马尔可夫链的多级蒙特卡罗及其在生化动力学中的应用》，多尺度模型。模拟。，10, 1, 146-179 (2012) ·Zbl 1262.60072号
[53] 莱斯特，C。；贝克·R·E。；贾尔斯，M.B。；Yates，C.A.，《扩展随机生物系统模拟的多级方法》，布尔。数学。生物学，78，81640-1677（2016）·兹比尔1352.92062
[54] 莱斯特，C。；耶茨，C.A。；贾尔斯，M.B。；Baker，R.E.，《随机生物系统的自适应多级模拟算法》，J.Chem。物理。，142，2，第024113条pp.（2015）
[55] Dodwell，T.J。；凯特尔森，C。；Scheichl，R。；Teckentrup，A.L.，应用于地下水流不确定性量化的分层多级马尔可夫链蒙特卡罗算法，SIAM/ASA J.Uncert。数量。，3, 1, 1075-1108 (2015) ·Zbl 1330.65007号
[56] Dodwell，T.J。；凯特尔森，C。；Scheichl，R。；Teckentrup，A.L.，多级马尔可夫链蒙特卡罗，SIAM Rev.，61，3，509-545（2019）·Zbl 1432.65008号
[57] 埃芬迪耶夫，Y。；Jin，B。；迈克尔·P。；Tan，X.，高对比度单相流问题的多级马尔可夫链蒙特卡罗方法，Commun。计算。物理。，17, 1, 259-286 (2015) ·Zbl 1373.76084号
[58] Beskos，A。；Jasra，A。；法律，K。；坦波内，R。；Zhou，Y.，多层序贯蒙特卡罗采样器，1271417-14440（2017）·Zbl 1362.65010号
[59] Latz，J。；Papaioannou，I。；Ullmann，E.，贝叶斯反问题的多级序贯^2蒙特卡罗，J.Compute。物理。，368, 154-178 (2018) ·Zbl 1392.65012号
[60] Guha，N。；Tan，X.，高非均质多孔介质中流动的多级近似贝叶斯方法及其应用，J.Compute。申请。数学。，317, 700-717 (2017) ·Zbl 1381.76311号
[61] Jasra，A。；乔·S。；诺特，D。；鞋匠，C。；Tempone，R.，近似贝叶斯计算中的多级蒙特卡罗，斯托克。分析。申请。，37, 3, 346-360 (2019) ·Zbl 1426.65005号
[62] 沃恩·D·J。；贝克·R·E。；Simpson，M.J.，近似贝叶斯计算的多级拒绝抽样，计算。统计数据分析。，124, 71-86 (2018) ·Zbl 1469.62160号
[63] 普雷斯科特，T.P。；沃恩，D.J。；Baker，R.E.，具有自适应计算资源分配的高效多义性似无叶贝叶斯推理（2021）
[64] Dhanajaneyulu，V。；P、 V.N.S.公司。；库马尔，G。；Viswanathan，G.A.，《两步系列MAPK级联中的噪声传播》，《公共科学图书馆·综合》，第7、5期，文章e35958页，（2012年）
[65] Brown，K.S。；C.C.希尔。；Calero，G.A。；Myers，C.R。；Lee，K.H。；塞特纳，J.P。；Cerione，R.A.，《复杂信号网络的统计力学：神经生长因子信号传递》，Phys。生物学，1,3184-195（2004）
[66] 施诺尔，D。；Sanguinetti，G。；Grima，R.，《随机生物化学动力学的近似和推断方法——教程综述》，J.Phys。A、 数学。理论。，第50、9条，第093001页（2017年）·Zbl 1360.92051号
[67] Higham，D.J.，《化学反应建模与模拟》，SIAM Rev.，50，2，347-368（2008）·Zbl 1144.80011号
[68] Gillespie，D.T.，耦合化学反应的精确随机模拟，J.Phys。化学。，81, 25, 2340-2361 (1977)
[69] Kurtz，T.G.，《化学反应的随机模型和确定性模型之间的关系》，J.Chem。物理。，57, 7, 2976-2978 (1972)
[70] Erban，R。；查普曼，S.J。；Maini，P.K.，反应扩散过程随机模拟实用指南（2007）
[71] Gillespie，D.T.，《化学主方程的严格推导》，《物理学A》，188，404-425（1992）
[72] Gibson，医学硕士。；Bruck，J.，《具有多物种和多通道的化学系统的高效精确随机模拟》，J.Phys。化学。，104, 9, 1876-1889 (2000)
[73] Anderson，D.F.，《用于模拟具有时间依赖性倾向和延迟的化学系统的改进的下一反应方法》，J.Chem。物理。，127，第214107条pp.（2007）
[74] Gillespie，D.T.，化学反应系统的近似加速模拟，J.Chem。物理。，115, 4, 1716-1733 (2001)
[75] Gillespie，D.T.，《化学朗之万方程》，J.Chem。物理。，113, 1, 297-306 (2000)
[76] 田，T。；Burrage，K.，《模拟随机化学动力学的二项式跳跃法》，J.Chem。物理。，121, 21, 10356-10364 (2004)
[77] 曹毅。；李，H。；Petzold，L.，《化学反应系统随机模拟算法的有效公式》，J.Chem。物理。，121, 4059-4067 (2004)
[78] 安德森·D·F。；Ganguly，A。；Kurtz，T.G.，τ叶模拟方法的误差分析，Ann.Appl。可能性。，21, 6, 2226-2262 (2011) ·Zbl 1234.60066号
[79] Wilson，D。；Baker，R.E.，《多级方法和近似分布函数》，AIP Adv.，6，第075020条，pp.（2016）
[80] 贾尔斯，M.B。；Nagapetyan，T。；Ritter，K.，分布函数和密度的多级蒙特卡罗近似，SIAM/ASA J.Uncert。数量。，3, 1, 267-295 (2015) ·Zbl 1322.65014号
[81] 费恩黑德，P。；Prangle，D.，《为近似贝叶斯计算构建摘要统计：半自动近似贝叶斯计算》，J.R.Stat.Soc.，Ser。B、 统计方法。，74, 3, 419-474 (2012) ·Zbl 1411.62057号
[82] Rhee，C.-H。；Glynn，P.W.，SDE模型的平方根收敛无偏估计，Oper。研究，63，5，1026-1043（2015）·Zbl 1347.65016号
[83] 佩赫斯托弗，B。；威尔科克斯，K。；Gunzburger，M.，《不确定性传播、推理和优化中的多重性方法综述》，SIAM Rev.，60，3，550-591（2018）·Zbl 1458.65003号
[84] Warne，D.J.，《数学生物学中的计算推理：方法学发展和应用》（2020年），昆士兰理工大学，博士论文
[85] 米切利斯。；Menten，M.L.，Die Kinetik der Invertinwirkung，生物化学。Z.，49，333-369（1913）
[86] Rao，C.V。；Arkin，A.P.，《随机化学动力学和准静态假设：Gillespie算法的应用》，J.Chem。物理。，118, 11, 4999-5010 (2003)
[87] Finkenstädt，B。；Heron，E.A。；科莫罗夫斯基，M。；爱德华兹，K。；唐，S。；Harper，C.V.公司。；Davis，J.R.E。；怀特，M.R.H。；Millar，A.J。；Rand，D.A.，使用微分方程从基因报告数据重建转录动力学，生物信息学，24，24，2901-2907（2008）
[88] 艾福拉，M.A.J。；Mazumder，M。；萨达纳，V。；Velauthapillai，T。；潘努，K。；McMillen，D.R.，《暗蛋白质：包涵体形成对蛋白质表达定量的影响》，《蛋白质，结构》。功能。生物信息。，72, 4, 1233-1242 (2008)
[89] Bajar，B。；Wang，E。；张，S。；林，M。；Chu，J.，荧光蛋白FRET对指南，传感器，16，9，1488（2016）
[90] 辛普森，M.J。；贝克·R·E。；Vittadello，S.T。；Maclaren，O.J.，《细胞入侵时空模型的实用参数可识别性》，J.R.Soc.Interface，17，164，第20200055页，（2020）
[91] Georgii，H.-O.，《随机学》（2013），德格鲁伊特·Zbl 1314.60001号
[92] Elowitz，M.B。；Leibler，S.，转录调节器的合成振荡网络，《自然》，4036767335-338（2000）
[93] Toni，T。；韦尔奇，D。；斯特雷尔科瓦，N。；艾普森。；Stumpf，M.P.H.，动力学系统中参数推断和模型选择的近似贝叶斯计算方案，J.R.Soc.Interface，6187-202（2009）
[94] 小田，K。；松冈，Y。；Funahashi，A。；Kitano，H.，《表皮生长因子受体信号传导的综合途径图》，Phys。生物学，1，1（2005）
[95] 普里德尔，J.W。；Sisson，S.A。；弗雷泽，D.T。；特纳，I。；Drovandi，C.，带白化变换的高效贝叶斯合成似然，J.Compute。图表。统计，1-27（2021）
[96] Jasra，A。；Kamatani，K。；法律，K。；Zhou，Y.，通过多级蒙特卡罗对部分观测扩散进行贝叶斯静态参数估计，SIAM J.Sci。计算。，40、2、A887-A902（2018）·Zbl 1455.65008号
[97] 利佩，J。；柯克，P。；菲利普，S。；Toni，T。；巴恩斯，C.P。；Stumpf，M.P.H.，使用近似贝叶斯计算从系统生物学实验数据中进行参数估计和模型选择的框架，自然协议。，9, 2, 439-456 (2014)
[98] 吴琼。；Smith-Miles，K。；Tian，T.，使用模拟似然密度进行离散随机模型参数推断的近似贝叶斯计算方案，BMC Bioninform。，15，S12（2014）
[99] 奇纳兹，M。；Davis，J.T。；阿杰利，M。；乔安尼尼，C。；利特维诺娃，M。；Merler，S。；y Piontti，A.P。；Mu，K。；罗西，L。；Sun，K。；维布德，C。；熊，X。；Yu，H。；Halloran，M.E。；Longini，I.M。；Vespignani，A.，《旅行限制对2019年新型冠状病毒（COVID-19）疫情传播的影响》，《科学》，3686489395-400（2020）
[100] 麦金利，T.J。；弗农，I。；安德里亚纳基斯，I。；北卡罗来纳州麦克里什。；奥克利，J.E。；恩苏布加，R.N。；戈德斯坦，M。；怀特，R.G.，复杂随机流行病模型的近似贝叶斯计算和基于模拟的推理，统计科学。，33, 1 (2018) ·Zbl 1407.62406号
[101] Minter，A。；Retkute，R.，传染病建模的近似贝叶斯计算，《流行病学》，29，第100368条，pp.（2019）
[102] 沃克，J.N。；布莱克，A.J。；Ross，J.V.，部分观测流行病模型的贝叶斯模型判别，数学。生物科学。，317，第108266条，第（2019）页·Zbl 1432.92102号
[103] 沃恩·D·J。；艾伯特。；Drovandi，C。；胡，W。；米拉，A。；Mengersen，K.，《后见即2020愿景：全球应对新冠肺炎疫情的特征》，BMC公共卫生，20，1（2020）
[104] Beaumont，M.A.，《进化与生态学中的近似贝叶斯计算》，年。经济评论。进化。系统。，41, 1, 379-406 (2010)
[105] J.én爵士。；透镜，L。；库索，L。；Ovaskainen，O.，通过使用近似贝叶斯计算拟合基于个体的模型来评估自然种群的动态，方法Ecol。演变。，9, 5, 1286-1295 (2018)
[106] Akeret，J。；Refregier，A。；阿马拉。；Seehars，S。；Hasner，C.，《宇宙学正向建模的近似贝叶斯计算》，J.Cosmol。Astropart。物理。，2015年8月，第043条pp.（2015）
[107] 巴拉哈斯·索拉诺，D。；Tartakovsky，A.，具有异质和状态依赖系数的偏微分方程的近似贝叶斯模型反演，J.Compute。物理。，395, 247-262 (2019) ·Zbl 1453.62410号
[108] 克里斯托弗，J.D。；新泽西州威默。；拉波因特，C。；海登，T.R.S。；新郎，I。；Rieker，G.B。；Hamlington，P.E.，使用近似贝叶斯计算进行复杂热流体流动的参数估计，物理。流体版本，第3、10条，第104602页（2018年）
[109] Transtrum，M.K。；Qiu，P.，流形边界模型约简，Phys。修订稿。，113，9，第098701条pp.（2014）
[110] 布朗宁，A.P。；沃恩·D·J。；Burrage，K。；贝克·R·E。；Simpson，M.J.，系统生物学中随机微分方程模型的可识别性分析，J.R.Soc.Interface，17，173，Article 20200652 pp.（2020）
[111] 曹，Z。；Grima，R.，具有随机动力学的基因调控网络的线性映射近似，自然通讯。，9, 1 (2018)
[112] Buzbas，E.O。；Rosenberg，N.A.，AABC：人口遗传模型推理的近似近似贝叶斯计算，Theor。大众。生物，99，31，42（2015）·兹比尔1331.92011
[113] Tripathy，R.K。；Bilionis，I.，Deep UQ：学习深度神经网络替代模型，用于高维不确定性量化，J.Compute。物理。，375, 565-588 (2018) ·Zbl 1419.68084号
[114] Borowska，A。；Giurghita，D。；Husmeier，D.，高斯过程增强的半自动近似贝叶斯计算：趋化性随机微分方程系统中的参数推断，J.Compute。物理。，429，第109999条pp.（2021）·Zbl 07500735号
[115] 博蒙特，医学硕士。；科努埃，J.-M。；马林·J·M。；Robert，C.P.，自适应近似贝叶斯计算，生物特征，96，4，983-990（2009）·Zbl 1437.62393号
[116] L’Ecuyer，P。；莱科特，C。；L'Archevíque-Gaudet，A.，《马尔可夫链的数组-RQMC：映射替代方案和收敛速度》（Monte Carlo和准蒙特卡罗方法2008（2009），Springer:Springer-Berlin-Heidelberg），485-500·Zbl 1184.65018号
[117] Puchhammer，F。；Abdellah，A.B。；L'Ecuyer，P.，随机生物和化学反应网络的τ叉模拟用阵列-RQMC的方差减少，布尔。数学。生物学，83，8（2021）·Zbl 1470.92125号
[118] Beentjes，C.H.L。；Baker，R.E.，应用于随机生物系统中tau跳跃的准蒙特卡罗方法，Bull。数学。生物学，81，8，2931-2959（2018）·Zbl 1422.92066号
[119] A.李。；Yau，C。；贾尔斯，M.B。；Doucet，A。；Holmes，C.C.，《关于图形卡对高级蒙特卡罗方法进行大规模并行模拟的实用性》，J.Compute。图表。《法律总汇》，19，4，769-789（2010）
[120] 克林贝尔，G。；Erban，R。；贾尔斯，M。；Maini，P.K.，STOCHSIMGPU：MATLAB系统生物工具箱2的并行随机模拟，生物信息学，27，8，1170-1171（2011）
[121] Hurn，S。；Lindsay，K。；Warne，D.J.，Heston随机波动模型最大似然参数估计的异构计算方法，ANZIAM J.，57，364（2016）
[122] 沃恩·D·J。；Sisson，S.A。；Drovandi，C.，加速昂贵贝叶斯计算的矢量运算——教程指南，贝叶斯分析。，17, 2, 593-622 (2021)
[123] 马哈尼，A.S。；Sharabiani，M.T.，SIMD并行MCMC采样与大数据贝叶斯分析应用，计算。统计数据分析。，88, 75-99 (2015) ·Zbl 1468.62131号
[124] 库尔卡尼，S。；Tsyplikhin，A。；Krell，M.M。；Moritz，C.A.，《利用新兴人工智能硬件加速基于仿真的推理》，（2020年重新启动计算国际会议（红十字委员会）（2020年），IEEE）
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。