• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Approximate Bayesian inference in semi-mechanistic models
【24h】

Approximate Bayesian inference in semi-mechanistic models

机译：半力学模型中的近似贝叶斯推断

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Inference of interaction networks represented by systems of differential equations is a challenging problem in many scientific disciplines. In the present article, we follow a semi-mechanistic modelling approach based on gradient matching. We investigate the extent to which key factors, including the kinetic model, statistical formulation and numerical methods, impact upon performance at network reconstruction. We emphasize general lessons for computational statisticians when faced with the challenge of model selection, and we assess the accuracy of various alternative paradigms, including recent widely applicable information criteria and different numerical procedures for approximating Bayes factors. We conduct the comparative evaluation with a novel inferential pipeline that systematically disambiguates confounding factors via an ANOVA scheme.
机译：在许多科学学科中，以微分方程组为代表的相互作用网络的推论是一个具有挑战性的问题。在本文中，我们遵循基于梯度匹配的半机械建模方法。我们调查了关键因素（包括动力学模型，统计公式和数值方法）在多大程度上影响网络重建的性能。当面对模型选择的挑战时，我们强调为计算统计学家提供的一般性课程，并且我们评估各种替代范式的准确性，包括最近广泛应用的信息准则和近似贝叶斯因子的不同数值程序。我们使用一种新颖的推理流程进行比较评估，该推理流程通过ANOVA方案系统地消除了混淆因素。

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