用于评估参数信息增益与动力系统可辨识性的信息灵敏度函数
统计方法学
2017-12-27 v2
摘要
提出一类称为“信息灵敏度函数”（ISFs）的新函数，其通过动力系统的测量/可观测量来量化关于参数的信息增益。这些函数可仅通过经典灵敏度函数轻松计算，并基于贝叶斯与信息论方法。边际信息增益由微分熵的减少来量化，而任意参数集之间的相关性通过互信息评估。对于单个参数，这些信息增益也呈现为边际后验方差，并且为评估相关性影响，在其他参数给定时呈现为条件方差。易于解释的 ISFs 可用于：a) 识别动力系统行为中参数信息集中的时间间隔或区域；b) 评估测量噪声对参数信息增益的影响；c) 评估实验方案（输入、测量及其频率）中是否有充足信息以辨识参数；d) 评估参数后验分布中的相关性，以识别可能不可区分的参数集；e) 评估特定参数集的可辨识性问题。
引用
@article{arxiv.1711.08360,
title = {Information sensitivity functions to assess parameter information gain and identifiability of dynamical systems},
author = {Sanjay Pant},
journal= {arXiv preprint arXiv:1711.08360},
year = {2017}
}