化学反应系统离散随机模型的混合路径敏感性方法
数值分析
2014-11-19 v2 定量方法
摘要
随机模型常用于帮助理解细胞内生化过程的行为。此类最常见的模型是连续时间马尔可夫链 (CTMCs)。参数敏感性（即模型输出量期望值关于模型参数的导数）在此背景下对多种应用十分有用。在本文中，我们引入了一类用于参数敏感性数值估计的混合路径微分方法。新的混合方法结合了敏感性估计三大主要类程序的要素，并具有诸多优良品质。首先，新方法对广泛的问题类别是无偏的。其次，该方法适用于几乎任何具有物理相关性的生化 CTMC 模型。第三，正如我们在数个数值示例中所展示的，新方法非常高效，特别是在希望估计参数敏感性的完整梯度时。这些方法相当直观，并利用了多级蒙特卡洛 (multilevel Monte Carlo) 的理念，即将期望值拆分为独立部分并分别高效处理。
引用
@article{arxiv.1408.3655,
title = {Hybrid Pathwise Sensitivity Methods for Discrete Stochastic Models of Chemical Reaction Systems},
author = {Elizabeth Skubak Wolf and David F. Anderson},
journal= {arXiv preprint arXiv:1408.3655},
year = {2014}
}
备注
30 pages. The numerical example section has been extensively rewritten