×
张楠;南山、木业;曹继国

稀疏可加常微分方程的联合估计方法。 （英语） Zbl 1495.62016号

统计计算。 32，第5号，第69号论文，第15页（2022年）.
概述：在实际应用中，常微分方程（ODE）被广泛用于描述复杂系统的动力学特性。在本文中，我们提出了一种新的广义稀疏加性常微分方程的联合估计方法，其中观测值被允许是非高斯的。新方法通过同时考虑似然、ODE保真度和稀疏正则化，与现有的配置方法相统一。我们设计了一种块坐标下降算法来优化非凸且不可微的目标函数。建立了算法的全局收敛性。仿真研究和两个应用表明，该方法在估计和识别稀疏结构方面具有优越的性能。

引用于1文件

MSC公司：

62-08 统计问题的计算方法
62G08号 非参数回归和分位数回归
62J12型 广义线性模型（逻辑模型）
62兰特 功能数据分析
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

动态系统;功能数据分析;广义线性模型;拉索组;非参数可加模型

软件：

全球供应链;加迈尔
PDF格式BibTeX公司 XML格式引用
\textit{N.Zhang}等人，《统计计算》。32，第5期，第69号论文，第15页（2022年；Zbl 1495.62016）
全文： 内政部 arXiv公司

参考文献：

[1] 比格勒，L。；Damiano，J。；Blau，G.，非线性参数估计：案例研究比较，AIChE J.，32，1，29-45（1986）·doi:10.1002/aic.690320105
[2] Breheny，P。；Huang，J.，带分组预测因子的非凸惩罚线性和logistic回归模型的群下降算法，统计计算。，25, 2, 173-187 (2015) ·Zbl 1331.62359号 ·doi:10.1007/s11222-013-9424-2
[3] 新泽西州布鲁内尔；克莱伦，Q。；d'AlchéBuc，F.，正交条件下常微分方程的参数估计，美国统计协会，109，505，173-185（2014）·Zbl 1367.62081号 ·doi:10.1080/01621459.2013.841583
[4] 布鲁顿，SL；普克托，JL；Kutz，JN，通过非线性动力系统的稀疏识别从数据中发现控制方程，Proc。国家。阿卡德。科学。，113, 15, 3932-3937 (2016) ·Zbl 1355.94013号 ·doi:10.1073/pnas.1517384113
[5] Burke，JV，复合不可微优化问题的下降法，数学。程序。，33, 3, 260-279 (1985) ·Zbl 0581.90084号 ·doi:10.1007/BF01584377
[6] 曹，J。；Ramsay，JO，功能数据分析中的参数级联和剖析，计算。统计，22，3，335-351（2007）·Zbl 1194.62043号 ·doi:10.1007/s00180-007-0044-1
[7] 曹，J。；Zhao，H.，估算基因调控网络的动态模型，生物信息学，24，14，1619-1624（2008）·doi:10.1093/bioinformatics/btn246
[8] 凯里，M。；Ramsay，JO，线性动力系统的快速稳定参数估计，计算统计与数据分析，156107124（2021）·Zbl 1510.62022号 ·doi:10.1016/j.csda.2020.107124
[9] 陈，J。；Wu，H.，确定性动力学模型中时变系数的有效局部估计及其在HIV-1动力学中的应用，J.Am.Stat.Assoc.，103481，369-384（2008）·兹比尔1469.62365 ·doi:10.1198/0162145000001382
[10] 陈，S。；Shojaie，A。；Witten，DM，高维常微分方程的网络重构，J.Am.Stat.Assoc.，1125201697-1707（2017）·doi:10.1080/01621459.2016.1229197
[11] Cherry，J.M.，Adler，C.，Ball，C.，Chervitz，S.A.，Dwight，S.S.，Hester，E.T.，Jia，Y.，Juvik，G.，Roe，T.，Schroeder，M.：Sgd:酵母基因组数据库。核酸研究26（1），73-79（1998）
[12] Dai X，Li L（2021）核常微分方程。《美国统计学会期刊》doi:10.1080/01621459.2021.1882466·Zbl 1515.62075号
[13] 达特纳，I。；Klaassen，CA，参数线性常微分方程组中直接估计量的最佳速率，《电子统计杂志》，9，2，1939-1973（2015）·Zbl 1327.62120号 ·doi:10.1214/15-EJS1053
[14] de Boor，C.，《样条实用指南》（1978），纽约：Springer，纽约·Zbl 0406.41003号 ·doi:10.1007/978-1-4612-6333-3
[15] Emmert-Streib，F。；Dehmer，M。；Haibe-Kains，B.，《基因调控网络及其应用：从网络角度理解生物和医学问题》，细胞和发育生物学前沿，2，38（2014）·doi:10.3389/fc电话：2014.00038
[16] Fletcher，R.：实用优化方法，第2版。John Wiley&Sons（2013）·Zbl 0905.65002号
[17] KJ弗里斯顿；哈里森，L。；Penny，W.，《动态因果建模》，《神经影像》，第19、4、1273-1302页（2003年）·doi:10.1016/S1053-8119（03）00202-7
[18] Gu，C.，平滑样条方差分析模型（2013），纽约：Springer，纽约·Zbl 1269.62040号 ·doi:10.1007/978-14614-5369-7
[19] 亨德森，J。；Michailidis，G.，使用非参数加性ODE模型进行网络重建，PLoS ONE，9，4，e94003（2014）·doi:10.1371/journal.pone.0094003
[20] 黄，J。；Breheny，P。；Ma，S.，高维模型中群体选择的选择性综述，Stat.Sci。，27, 4, 481-499 (2012) ·Zbl 1331.62347号 ·doi:10.1214/12-STS392
[21] 黄，Y。；刘，D。；Wu，H.，纵向HIV动态系统参数估计的层次贝叶斯方法，生物统计学，62，2，413-423（2006）·Zbl 1097.62128号 ·doi:10.1111/j.1541-0420.2005.00447.x
[22] Liang，H。；苗，H。；Wu，H.，非线性微分方程模型中HIV感染的常数和时变动态参数的估计，应用统计年鉴，4，1，460-483（2010）·Zbl 1189.62171号 ·doi:10.1214/09-AOAS290
[23] Liang，H。；Wu，H.，使用回归模型中测量误差框架的微分方程模型参数估计，美国统计协会，103，484，1570-1583（2008）·Zbl 1286.62039号 ·doi:10.19198/0162114508000000797
[24] Liao，Y。；Wang，J。；Jaehnig，EJ；施，Z。；Zhang，B.，WebGestalt 2019：基因集分析工具包，带有改进的UI和API，核酸研究，47，W1，W199-W205（2019）·doi:10.1093/nar/gkz401
[25] 卢·T。；Liang，H。；李，H。；Wu，H.，用于动态基因调控网络识别的高维ODE与混合效应建模技术，美国统计协会，106，496，1242-1258（2011）·Zbl 1234.62146号 ·doi:10.1198/jasa.2011.ap10194
[26] 苗，H。；Wu，H。；Xue，H.，广义常微分方程模型，美国统计协会，109，508，1672-1682（2014）·Zbl 1368.62055号 ·doi:10.1080/01621459.2014.957287
[27] 南山，M。；张，N。；Xun，X。；曹，J.，高维稀疏常微分方程非高斯数据的动力学建模，计算统计与数据分析，173107483（2022）·Zbl 07533774号 ·doi:10.1016/j.csda.2022.107483
[28] Nguyen，DT；阿拉科，AM；Raymond，M.，《多个Yap1p结合位点介导酵母主要促进因子FLR1基因对药物、氧化剂和烷基化剂的诱导》，J.Biol。化学。，276, 2, 1138-1145 (2001) ·doi:10.1074/jbc。M008377200号
[29] Nocedal，J.，Wright，S.：数值优化。Springer科学与商业媒体（2006）·Zbl 1104.65059号
[30] 齐，X。；Zhao，H.，常微分方程参数广义剖面估计的渐近效率和有限样本性质，《Ann.Stat.》，38，1，435-481（2010）·Zbl 1181.62156号 ·doi:10.1214/09-AOS724
[31] JO拉姆齐；胡克，G。；坎贝尔，D。；曹，J.，微分方程的参数估计：广义平滑方法，《皇家统计学会杂志：B辑（统计方法）》，69，5，741-796（2007）·Zbl 07555374号 ·doi:10.1111/j.1467-9868.2007.00610.x
[32] 斯佩尔曼，PT；Sherlock，G。；张，MQ；Iyer，虚拟现实；Anders，K。；艾森，MB；棕色，PO；博茨坦，D。；Futcher，B.，通过微阵列杂交对酿酒酵母细胞周期调节基因的综合鉴定，分子生物学。细胞，9，12，3273-3297（1998）·doi:10.1091/mbc.9.12.3273
[33] 斯特伦尼科夫，AV；拉里奥诺夫，VL；Koshland，D.，Smc1：一种重要的酵母基因，编码假定的头尾蛋白，是核分裂所必需的，并定义了一个新的普遍存在的蛋白家族，J.Cell Biol。，123,61635-1648（1993年）·doi:10.1083/jcb.123.6.1635
[34] 曾，P。；Yun，S.，非光滑可分离最小化的坐标梯度下降方法，数学。程序。，117, 1, 387-423 (2009) ·Zbl 1166.90016号 ·doi:10.1007/s10107-007-0170-0
[35] Varah，JM，微分方程数值参数估计的样条最小二乘法，SIAM J.Sci。统计计算。，3, 1, 28-46 (1982) ·兹比尔048165050 ·数字对象标识代码：10.1137/0903003
[36] 瓦赫巴，G。；Wang，Y。；顾，C。；Klein，R。；Klein，B.，指数族的平滑样条方差分析，及其在威斯康星州糖尿病视网膜病变流行病学研究中的应用：1994年内曼纪念讲座，Ann.Stat.，23，6，1865-1895（1995）·Zbl 0854.62042号 ·doi:10.1214/aos/1034713638
[37] Wang，H。；Leng，C.，自适应群套索注释，计算统计与数据分析，52，12，5277-5286（2008）·Zbl 1452.62524号 ·doi:10.1016/j.csda.2008.05.006
[38] 王，YR；李，L。；李，JJ；Huang，H.，《生物学中的网络建模：基因和大脑网络的统计方法》，《统计科学》。，36, 1, 89-108 (2021) ·Zbl 07368221号 ·doi:10.1214/20-STS792
[39] Wood，S.N.：广义加性模型：R.CRC出版社介绍（2017）·Zbl 1368.62004号
[40] Wu，H。；卢·T。；薛，H。；Liang，H.，《用于动态基因调控网络建模的稀疏可加常微分方程》，美国统计协会，109，506，700-716（2014）·Zbl 1367.62221号 ·doi:10.1080/01621459.2013.859617
[41] 袁，M。；Lin，Y.，分组变量回归中的模型选择和估计，《皇家统计学会杂志：B辑（统计方法）》，68，1，49-67（2006）·Zbl 1141.62030号 ·doi:10.1111/j.1467-9868.2005302.x
[42] 张，T。；吴杰。；Li，F。；Caffo，B。；Boatman-Reich，D.，《使用皮层电图（ECoG）时间序列进行有效大脑连接的动态定向模型》，美国统计协会期刊，110，509，93-106（2015）·Zbl 1374.92101号 ·doi:10.1080/01621459.2014.988213
[43] 张，T。；尹，Q。；Caffo，B。；孙，Y。；Boatman-Reich，D.，高维集群结构常微分方程模型的贝叶斯推断及其在大脑连通性研究中的应用，《应用统计学年鉴》，11，2，868-897（2017）·Zbl 1391.62262号 ·doi:10.1214/17-AOAS1021
[44] Zou，H.，《自适应套索及其预言属性》，美国统计协会，101，476，1418-1429（2006）·Zbl 1171.62326号 ·doi:10.1198/016214500000735
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。