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可以在网站上找到http://www.dei.unipd.it/pia/。


zbMATH中的参考文献(参考文献45篇文章)

显示第1到第20个结果,共45个。
按年份排序(引用)
  1. 李奇布拉,丹尼尔:MAPK化学反应网络中多重稳态的符号分析(2021)
  2. 恶心,伊丽莎白;哈灵顿,希瑟;梅什卡特,尼科莱特;夏安:连接和分解反应网络(2020)
  3. 卡巴尼钦,S。一、 。;克里沃罗特科,O。一、 :求解免疫和流行病学逆问题的优化方法(2020年)
  4. 卡巴尼钦,S。一、 。;克里沃罗特科,O。一、 :武汉COVID-2019流行病和反问题的数学建模(2020年)
  5. ü勒尔,基督徒;迪达姆,霍尔格;齐格洛德先生,托马斯;Schuppert,Andreas:神经网络辅助大都市调整的Langevin算法(2020)
  6. 恶心,伊丽莎白;哈灵顿,希瑟;梅什卡特,尼科莱特;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)
  7. 杰罗尼莫,加布里埃拉;Pé雷兹磨坊án、 梅赛德斯;太阳神ó, Pablo:一类生化反应网络的几个物种的可识别性(2019)
  8. 伦德,阿拉娜;戴克,雪莉J。;宋伟;Bilionis,Ilias:非线性辨识实验设计的整体灵敏度分析(2019)
  9. 萨科马尼,M。P、 。;贝鲁,G。;奥多利S。;丹吉ó, 五十、 :新版DAISY测试生物模型的结构可识别性(2019)
  10. 威尔第ère,N。;Orange,S.:对动态非线性模型进行先验可辨识性研究的系统方法(2019)
  11. Villaverde,Alejandro F.:非线性生物系统的可观测性和结构可辨识性(2019)
  12. 詹茨én、 大卫L。一、 。;基尔斯特朗,垫子;查佩尔,迈克尔J。;Evans,Neil D.:将现有的结构可识别性分析方法扩展到混合效应模型(2018)
  13. ü勒尔,基督徒;费边韦瑟;齐格洛德先生,托马斯;Schuppert,Andreas:马尔可夫链蒙特卡罗方法与不可识别性(2018)
  14. 奥利维尔,奥黛丽;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)
  15. 萨科马尼,玛丽亚·皮亚;Thomaseth,Karl:结构可识别性和实用可识别性的结合在降低肿瘤学模型复杂性方面的优势:案例研究(2018)
  16. 隧道,内切;Le,Trang T.:暴发模型的结构和实用可识别性分析(2018)
  17. 隧道,内切;玛蒂瓦,玛雅;拉巴拉,布莱恩;Payute,Sabrina:寨卡流行病模型的结构和实用可识别性分析(2018)
  18. 戴维森。;多赫蒂,保罗D。;Murray,Rua:识别因相似模型角色而进行权衡的参数的降维方法(2017)
  19. 艾森伯格,玛丽莎·C。;Jain,Harsh V.:数据和可识别性中的建立信任练习:将癌症化疗建模为一个案例研究(2017)
  20. 尼美基尔斯,菲利普;劳韦斯,乔斯特;泰伦,干燥;专家,菲利普;van Impe,Jan:大规模非线性动态网络模型在ADM1案例研究中的可识别性(2017)