部分可观测布尔动力系统的粒子滤波
统计方法学
2017-03-08 v1 动力系统
分子网络
摘要
部分可观测布尔动力系统是一类通用的非线性模型，应用于基于含噪且不完整测量的布尔过程的估计与控制。POBDS 状态估计的最优最小均方误差 算法，即布尔卡尔曼滤波器 和布尔卡尔曼平滑器，在大型系统情况下由于计算和内存需求而难以处理。为解决此问题，我们基于序贯蒙特卡洛理论中的辅助粒子滤波 方法，提出了近似 MMSE 滤波与平滑算法。这些算法与极大似然 方法结合使用，用于 POBDS 模型中状态和参数的同时估计。在存在连续参数的情况下，使用期望最大化 算法进行 ML 估计；为此我们开发了一种特殊的平滑器，降低了 EM 算法的计算复杂度。由此产生的基于粒子的自适应滤波器被应用于通过含噪 RNA-Seq 时间序列数据观测的布尔基因调控网络 POBDS 模型，并使用著名的细胞周期基因调控模型通过一系列数值实验评估了其性能。
引用
@article{arxiv.1702.07269,
title = {Particle Filters for Partially-Observed Boolean Dynamical Systems},
author = {Mahdi Imani and Ulisses Braga-Neto},
journal= {arXiv preprint arXiv:1702.07269},
year = {2017}
}