利用网络拓扑进行非线性反应模型的大规模推断
计算工程、金融与科学
2019-01-23 v5 定量方法
统计计算
摘要
化学反应模型的发展有助于从生物学到电化学和燃烧等领域的理解与预测。构建反应网络模型的系统方法利用观测数据不仅估计未知参数，而且学习模型结构。贝叶斯推断为这种数据驱动的模型构建提供了自然的方法。然而，传统贝叶斯模型推断方法对每个模型数值评估证据，对于非线性反应网络推断往往不可行，因为合理模型的数量可能组合性地巨大。基于模型空间采样的替代方法能够实现大规模网络推断，但其实现面临许多挑战。在本文中，我们提出新的计算方法，使大规模非线性网络推断变得易于处理。首先，我们利用描述化学物种间潜在相互作用的网络拓扑，为可逆跳跃马尔可夫链蒙特卡罗设计改进的“模型间”提议。其次，我们引入基于灵敏度的移动类型确定，其与网络感知提议结合时，在采样性能上产生显著的额外增益。这些算法在来自系统生物学的推断问题上得到演示，使用了物种相互作用的非线性微分方程模型。
引用
@article{arxiv.1705.04678,
title = {Exploiting network topology for large-scale inference of nonlinear reaction models},
author = {Nikhil Galagali and Youssef M. Marzouk},
journal= {arXiv preprint arXiv:1705.04678},
year = {2019}
}