雏菊

DAISY:一种新的测试生物和生理系统全局可识别性的软件工具。先验全局可辨识性是生物和生理模型的一种结构属性。它被认为是适定估计的先决条件,因为它涉及在理想条件下(无噪声观测和无误差模型结构)从测量的输入-输出数据中唯一地恢复未知模型参数的可能性。当然,在投入资源、时间和精力进行实际的生物医学实验之前,确定这些参数是否能够从观测数据中唯一地恢复是至关重要的。许多有趣的生物模型都是非线性的,但非线性系统的可辨识性分析却是一个很难解决的数学问题。文献中提出了不同的方法来测试非线性模型的可辨识性,但据我们所知,迄今为止还没有一个软件工具可以用来自动检查非线性模型的可辨识性。本文描述了一个实现微分代数算法的软件工具,用于对多项式或有理方程描述的(线性和)非线性动态模型进行参数可辨识性分析。我们的目标是为生物研究者提供一个完全自动化的软件,需要最少的数学模型的先验知识,而不需要深入了解数学工具。DAISY(用于系统可识别性的微分代数)软件在生物建模研究中可能有用,特别是在研究实验特别昂贵和/或难以执行的生理学和临床医学中。给出了使用DAISY软件工具的实例。DAISY的网址是http://www.dei.unipd.it/∼pia/。


zbMATH参考文献(41篇文章引用)

显示第1到第20个结果,共41个。
按年份排序(引用)
  1. 格罗斯,伊丽莎白;哈灵顿,希瑟;梅什卡特,尼科莱特;肖,安妮:加入和分解反应网络(2020)
  2. Gross,Elizabeth;Harrington,Heather;Meshkat,Nicolette;Shiu,Anne:线性房室模型:保持可识别性的输入输出方程和运算(2019)
  3. Jeronimo,Gabriela;Pérez Millán,Mercedes;Solernó,Pablo:一类生化反应网络的几个物种的可识别性(2019年)
  4. Lund,Alana;Dyke,Shirley J.;Song,Wei;Bilianis,Ilias:非线性辨识实验设计的整体灵敏度分析(2019)
  5. Saccomani,M.P.;Bellu,G.;Audoly,S.;d'AngióL.:测试生物模型结构可识别性的新版雏菊(2019年)
  6. VerdièN,非线性模型的系统性研究(VerdièN,2019)
  7. Villaverde,Alejandro F.:非线性生物系统的可观测性和结构可辨识性(2019)
  8. Janzén,David L.I.;Jirstrand,Mats;Chappell,Michael J.;Evans,Neil D.:将现有结构可识别性分析方法扩展到混合效应模型(2018年)
  9. Müller,Christian;Weyser,Fabian;Mrziglod,Thomas;Schuppert,Andreas:马尔可夫链蒙特卡罗方法与不可识别性(2018)
  10. Olivier,Audrey;Smyth,Andrew W.:用于有效参数估计的边缘化无迹卡尔曼滤波器及其在有限元模型中的应用(2018)
  11. Saccomani,Maria Pia;Thomaseth,Karl:结构可识别性和实用可识别性的结合使降低肿瘤模型复杂度的优势:案例研究(2018年)
  12. Tuncer,Necibe;Le,Trang T.:暴发模型的结构和实际可识别性分析(2018)
  13. Tuncer,Necibe;Martheva,Maia;LaBarre,Brian;Payoute,Sabrina:寨卡流行病学模型的结构和实际可识别性分析(2018年)
  14. Davidson,Shaun M.;Docherty,Paul D.;Murray,Rua:用于识别因相似模型角色而进行权衡的参数的降维方法(2017年)
  15. Eisenberg,Marisa C.;Jain,Harsh V.:数据和可识别性中的建立信任练习:将癌症化疗建模为案例研究(2017)
  16. Nimmegeers,Philippe;Lauwers,Joost;Telen,Dries;Philip专家;van Impe,Jan:应用于ADM1案例研究的大规模非线性动态网络模型的可识别性(2017)
  17. 冉志勇;胡宝刚:统计机器学习中的参数可辨识性:综述(2017)
  18. Joyner,Michele L.;Manning,Cammey C.;福布斯,惠特尼;Maiden,Michelle;Nikas,Ariel N.:抗生素厄他培南的基于生理的药代动力学模型(2016)
  19. Letham,Benjamin;Letham,Portia A.;Rudin,Cynthia;Browne,Edward P.:用于学习动力系统的预测不确定性和最佳实验设计(2016)
  20. Tuncer,Necibe;Gulbudak,Hayriye;Cannataro,Vincent L.;Martcheva,Maia:免疫流行病学载体宿主模型的结构和实际可识别性问题及其在裂谷热中的应用(2016年)