×

使用蒙特卡罗粒子方法估计和量化周期参数的不确定性(研究)。 (英语) Zbl 1440.93243号

Acu,Bahar(编辑)等人,《数学科学进展》。AWM研究研讨会,美国德克萨斯州休斯顿,2019年4月6日至7日。查姆:施普林格。女性数学协会。序列号。21, 213-226 (2020).
小结:估计和量化系统参数的不确定性仍然是应用数学和计算数学中的一大挑战。这些问题的一个子集包括估计具有未知动力学的周期参数。除了时间序列外,这些参数的周期也可能未知,需要进行估计。本文的目的是解决周期参数估计问题,特别是使用蒙特卡罗粒子方法(如集成卡尔曼滤波器)来探索相关的不确定性。考虑了周期参数的参数跟踪和分段函数近似,在考虑可用数据频率和近似中使用的分段分段数等因素时,突出了每种方法中参数不确定性的方面。在分段公式中还分析了周期参数周期的估计和相关的不确定性。文中讨论了每种方法的优缺点,并以FitzHugh-Nagumo系统中的外部电压参数估计为例,对神经元尖峰动力学建模。
关于整个系列,请参见[Zbl 1445.00021号].

MSC公司:

93E10型 随机控制理论中的估计与检测
65二氧化碳 蒙特卡罗方法
2015年1月62日 贝叶斯推断
62M20型 随机过程推断和预测
93E11号机组 随机控制理论中的滤波

软件:

生物贝叶斯
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Altizer,S.,Dobson,A.,Hosseini,P.,Hudson,P.,Pascual,M.,Rohani,P.:季节性和传染病的动力学。《生态学快报》9,467-484(2006)·文件编号:10.1111/j.1461-0248.2005.00879.x
[2] Anderson,J.L.:用于数据同化的集合调整卡尔曼滤波器。Mon Weather Rev 129,2884-2903(2001年)·doi:10.1175/1520-0493(2001)129<2884:AEAKFF>2.0.CO;2
[3] Andrieu,C.,Thoms,J.:自适应MCMC教程。统计与计算18(4),343-373(2008)·doi:10.1007/s11222-008-9110-y
[4] Arlot,S.,Celisse,A.:模型选择交叉验证程序调查。统计调查4,40-79(2010)·Zbl 1190.62080号 ·doi:10.1214/09-SS054
[5] Arnold,A.:探讨FitzHugh-Nagumo模型中时变外部电压参数的参数跟踪估计中的不确定性的影响。收录于:P.Nithiarasu、M.Ohta、M.大岛(编辑)第六届国际计算和数学生物医学工程会议(CMBE2019),第512-515页(2019)
[6] Arnold,A.、Calvetti,D.、Somersalo,E.:线性多步骤方法、粒子滤波和序贯蒙特卡罗。反问题29(8),085007(2013)·Zbl 1279.65089号 ·doi:10.1088/0266-5611/29/8/085007
[7] Arnold,A.,Calvetti,D.,Somersalo,E.:通过集合卡尔曼滤波器对刚性确定性动力系统进行参数估计。反问题30(10),105008(2014)·Zbl 1302.93200号 ·doi:10.1088/0266-5611/30/10/105008
[8] Arnold,A.,Lloyd,A.L.:使用非线性滤波进行周期性时变参数估计的方法。反问题34(10),105005(2018)·Zbl 1397.92015年 ·doi:10.1088/1361-6420/aad3e0
[9] Aron,J.,Schwartz,I.:流行病模型中的季节性和周期双重分岔。《理论生物学杂志》110665-679(1984)·doi:10.1016/S0022-5193(84)80150-2
[10] Berry,T.,Sauer,T.:非线性系统的自适应集合卡尔曼滤波。Tellus A 65,20331(2013)·doi:10.3402/tellusa.v65i0.20331
[11] Burgers,G.,van Leeuwen,P.,Evensen,G.:集合卡尔曼滤波器中的分析方案。《周一天气评论》126(6),1719-1724(1998)·doi:10.1175/1520-0493(1998)126<1719:ASITEK>2.0.CO;2
[12] Evensen,G.:使用蒙特卡罗方法预测误差统计的非线性准营养模型的序贯数据同化。《地球物理研究杂志》99(C5),10143-10162(1994)·doi:10.1029/94JC00572
[13] Evensen,G.:用于组合状态和参数估计的集合卡尔曼滤波器。IEEE控制系统杂志29(3),83-104(2009)·Zbl 1395.93534号 ·doi:10.1109/MCS.2009.932223
[14] Fearnhead,P.,Kunsch,H.R.:粒子过滤器和数据同化。统计及其应用年鉴5,421-449(2018)·doi:10.1146/annurev-statistics-031017-100232
[15] FitzHugh,R.:神经膜理论模型中的冲动和生理状态。《生物物理学杂志》1,445-466(1961)·doi:10.1016/S0006-3495(61)86902-6
[16] Gordon,N.J.、Salmond,D.J.、Smith,A.F.M.:非线性/非高斯贝叶斯状态估计的新方法。IEEE程序-F 140(2),107-113(1993)
[17] Grassly,N.,Fraser,C.:季节性传染病流行病学。Proc R Soc B 2732541-2550(2006)·doi:10.1098/rspb.2006.3604
[18] Haario,H.,Laine,M.,Mira,A.,Saksman,E.:DRAM:高效自适应MCMC。统计与计算16,339-354(2006)·doi:10.1007/s11222-006-9438-0
[19] Haario,H.,Saksman,E.,Tamminen,J.:自适应大都会算法。伯努利7,223-242(2001)·Zbl 0989.65004号 ·doi:10.2307/3318737
[20] Hamilton,F.、Berry,T.、Peixoto,N.、Sauer,T.:使用数据同化实时跟踪神经元网络结构。《物理评论》E 88,052715(2013)·doi:10.1103/PhysRevE.88.052715
[21] Harlim,J.,Majda,A.J.:滤波非线性耗散系统中的灾难性滤波器发散。公共数学科学8(27-43)(2010)·Zbl 1190.93096号
[22] Hodgkin,A.,Huxley,A.:膜电流的定量描述及其在神经传导和兴奋中的应用。《生理学杂志》117500-544(1952)·doi:10.1113/jphysiol.1952.sp004764
[23] Houtekamer,P.L.,Mitchell,H.L.:使用集合卡尔曼滤波技术进行数据同化。Mon Weather Rev 126,796-811(1998年)·doi:10.1175/1520-0493(1998)126<0796:DAUAEK>2.0.CO;2
[24] Ionides,E.,Breto,C.,King,A.:非线性动力系统的推断。PNAS 103(49),18438-18443(2006)·doi:10.1073/pnas.0603181103
[25] Iserles,A.:微分方程数值分析第一课程,第2版。剑桥应用数学课本。剑桥大学出版社,纽约(2009)·Zbl 1171.65060号
[26] Kantas,N.、Doucet,A.、Singh,S.S.、Maciejowski,J.、Chopin,N.:关于状态空间模型中参数估计的粒子方法。统计科学30(3),328-351(2015)·Zbl 1332.62096号 ·doi:10.1214/14-STS511
[27] Kitagawa,G.:一个自组织状态空间模型。《美国统计协会杂志》93(443),1203-1215(1998)
[28] LeVeque,R.J.:常微分方程和偏微分方程的有限差分方法。SIAM,费城(2007)·Zbl 1127.65080号 ·数字对象标识代码:10.1137/1.9780898717839
[29] Liu,J.,West,M.:基于模拟的滤波中的参数和状态估计组合。摘自:A.Doucet,N.de Freitas,N.Gordon(编辑)《实践中的序贯蒙特卡罗方法》,第197-223页。施普林格,纽约(2001)·Zbl 1056.93583号 ·doi:10.1007/978-1-4757-3437-910
[30] Matzuka,B.:噪声复杂生物系统中参数估计和不确定性量化的非线性滤波方法。北卡罗来纳州立大学博士论文(2014)
[31] Moradkhani,H.、Sorooshian,S.、Gupta,H.和Houser,P.:使用集合卡尔曼滤波器对水文模型进行双重状态参数估计。Adv Water Resour 28(2),135-147(2005)·doi:10.1016/j.advwatres.2004.09.002
[32] Pitt,M.,Shephard,N.:通过模拟过滤:辅助粒子过滤器。J Amer统计协会94,590-599(1999)·Zbl 1072.62639号 ·doi:10.1080/01621459.1999.10474153
[33] Toni,T.,Welch,D.,Strelkowa,N.,Ipsen,A.,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接口61987-202(2009)·doi:10.1098/rsif.2008.0172
[34] Voss,H.,Timmer,J.,Kurths,J.:从不确定和间接测量中识别非线性动力系统。《国际分叉与混沌杂志》14(6),1905-1933(2004)·Zbl 1129.93545号 ·doi:10.1142/S0218127404010345
[35] Vyshemirsky,V.,Giromia,M.A.:生物化学系统模型的贝叶斯排序。生物信息学24(6),833-839(2007)·doi:10.1093/bioinformatics/btm607
[36] Wasserman,L.:贝叶斯模型选择和模型平均。数学心理学杂志44,92-107(2000)·Zbl 0946.62032号 ·文件编号:10.1006/jmps.1999.1278
[37] J·惠特克·doi:10.1175/1520-0493(2002)130<1913:EDAWPO>2.0.CO;2
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。