二阶随机优化算法在拟合随机流行病学模型中的应用
定量方法
2017-08-04 v1 统计计算
摘要
流行病学模型在预测疾病负担和量化干预措施影响方面具有巨大潜力。精细模型日益普及，然而这些模型往往是随机的且评估成本极高。幸运的是，现成可用的高性能云计算使得这些模型能够被并行评估多次。在此，我们简要描述 PSPO，它是 Spall 的二阶随机优化算法——同步扰动随机逼近（SPSA）的扩展，能够充分利用并行计算环境。本工作的重点在于利用 PSPO，针对德国 Hagelloch 1861 年麻疹爆发数据，最大化随机流行病学模型的伪似然。结果表明，在这个具有挑战性的似然最大化问题上，PSPO 的表现远优于梯度上升法和 SPSA。
引用
@article{arxiv.1708.00886,
title = {Application of a Second-order Stochastic Optimization Algorithm for Fitting Stochastic Epidemiological Models},
author = {Atiye Alaeddini and Daniel J. Klein},
journal= {arXiv preprint arXiv:1708.00886},
year = {2017}
}
备注
Proceedings of the 2017 Winter Simulation Conference