随机反应网络二阶参数灵敏度的无偏估计
概率论
2014-07-29 v1
摘要
本文探讨了随机反应网络二阶参数灵敏度的估计问题，其中反应动力学被建模为离散状态空间上的连续时间马尔可夫链。估计此类二阶灵敏度（即 Hessian 矩阵）对于在参数空间上实施 Newton-Raphson 优化方案是必要的。为了进行此估计，Wolf 和 Anderson 提出了一种高效的有限差分方法，该方法利用扰动过程的耦合来降低估计量的方差。本文旨在说明同样的耦合可用于推导二阶参数灵敏度的精确表示。此外，利用该表示可以构建一个易于实现的无偏估计量。本文所包含的思想是我们近期关于一阶参数灵敏度估计论文中思想的扩展。
引用
@article{arxiv.1407.7359,
title = {Unbiased estimation of second-order parameter sensitivities for stochastic reaction networks},
author = {Ankit Gupta and Mustafa Khammash},
journal= {arXiv preprint arXiv:1407.7359},
year = {2014}
}
备注
Work in progress. Any feedback from the readers is welcome