• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>BMC Systems Biology >JuPOETs: a constrained multiobjective optimization approach to estimate biochemical model ensembles in the Julia programming language
【2h】

JuPOETs: a constrained multiobjective optimization approach to estimate biochemical model ensembles in the Julia programming language

机译：JuPOETs：一种使用Julia编程语言估算生化模型集合的受限多目标优化方法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

BackgroundEnsemble modeling is a promising approach for obtaining robust predictions and coarse grained population behavior in deterministic mathematical models. Ensemble approaches address model uncertainty by using parameter or model families instead of single best-fit parameters or fixed model structures. Parameter ensembles can be selected based upon simulation error, along with other criteria such as diversity or steady-state performance. Simulations using parameter ensembles can estimate confidence intervals on model variables, and robustly constrain model predictions, despite having many poorly constrained parameters.
机译：背景集成模型是一种在确定性数学模型中获得鲁棒预测和粗粒度种群行为的有前途的方法。集成方法通过使用参数或模型族而不是单个最佳拟合参数或固定模型结构来解决模型不确定性。可以基于仿真误差以及其他标准（例如分集或稳态性能）来选择参数集合。使用参数集成进行的仿真可以估计模型变量的置信区间，并且可以健壮地约束模型预测，尽管参数约束很多。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号