RPEM：随机蒙特卡洛参数期望最大化算法
统计方法学
2022-12-26 v3
摘要
受量子蒙特卡洛启发，通过始终使用无偏估计量并采用Metropolis算法同时采样离散与连续变量，我们提出了一种新颖、快速且准确的高性能蒙特卡洛参数期望最大化（MCPEM）算法。我们将其命名为随机参数期望最大化（RPEM）。特别地，我们针对一个带有常微分方程（ODEs）的现实双室伏立康唑模型并使用模拟数据，将RPEM与Monolix的SAEM以及Certara的QRPEM进行了比较。我们表明RPEM比SAEM和QRPEM快3到4倍，并且在重建群体参数方面比它们更准确。
引用
@article{arxiv.2206.02077,
title = {RPEM: Randomized Monte Carlo Parametric Expectation Maximization Algorithm},
author = {Rong Chen and Alan Schumitzky and Alona Kryshchenko and Romain Garreau and Julian D. Otalvaro and Walter M. Yamada and Michael N. Neely},
journal= {arXiv preprint arXiv:2206.02077},
year = {2022}
}
备注
28 pages, 6 figures, 2 tables