• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Structural Identifiability Analysis via Extended Observability and Decomposition
【24h】

Structural Identifiability Analysis via Extended Observability and Decomposition

机译：通过扩展的可观察性和分解进行结构可识别性分析

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Abstract: Structural identifiability analysis of nonlinear dynamic models requires symbolic manipulations, whose computational cost rises very fast with problem size. This hampers the application of these techniques to the large models which are increasingly common in systems biology. Here we present a method to assess parametric identifiability based on the framework of nonlinear observability. Essentially, our method considers model parameters as particular cases of state variables with zero dynamics, and evaluates structural identifiability by calculating the rank of a generalized observability-identifiability matrix. If a model is unidentifiable as a whole, the method determines the identifiability of its individual parameters. For models whose size or complexity prevents the direct application of this procedure, an optimization approach is used to decompose them into tractable subsystems. We demonstrate the feasibility of this approach by applying it to three well-known case studies.
机译：摘要：非线性动力学模型的结构可识别性分析需要符号操作，其计算成本随着问题的大小而迅速增加。这妨碍了将这些技术应用于在系统生物学中越来越普遍的大型模型。在这里，我们提出一种基于非线性可观性框架的评估参数可识别性的方法。本质上，我们的方法将模型参数视为零动力学状态变量的特殊情况，并通过计算广义可观察性-可识别性矩阵的等级来评估结构可识别性。如果模型整体上无法识别，则该方法确定其各个参数的可识别性。对于大小或复杂性阻止直接应用此过程的模型，可以使用优化方法将其分解为易于处理的子系统。通过将其应用到三个著名的案例研究中，我们证明了这种方法的可行性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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