用于马尔可夫跳跃过程期望传播的熵匹配

我们针对马尔可夫跳跃过程提出了一种新颖、易处理的隐状态推断方案，其精确推断通常难以处理。我们的方法基于一个可嵌入著名期望传播算法的熵匹配框架。我们通过为一类简单近似分布提供闭式结果来展示方法的有效性，并将其应用于化学反应网络这一大类——它是系统生物学建模的关键工具。此外，我们利用近似期望最大化过程推导了底层参数点估计的闭式表达式。我们在多种化学反应网络上评估了该方法，并与多种基线方法比较，显示出在近似后验过程均值方面更优的性能。最后，我们讨论了方法的局限性及未来改进的潜在途径，强调其在解决复杂连续时间贝叶斯推断问题上的 promising 方向。