计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
9期
146-148,166
,共4页
基因调控网络%参数学习%常微分方程%非线性%无迹粒子滤波
基因調控網絡%參數學習%常微分方程%非線性%無跡粒子濾波
기인조공망락%삼수학습%상미분방정%비선성%무적입자려파
目前基于微分方程模型学习网络参数的工作普遍基于卡尔曼滤波器,对所分析系统有线性假设前提,而基因调控网络具有强非线性,因此需要更适用于非线性模型的方法.提出了一种基于无迹粒子滤波器学习基因调控网络参数的方法,由于粒子滤波方法不受模型线性假设的约束,因此能够对非线性系统进行更好的拟合.通过对Repressillar模型中隐变量与未知参数的估计并与无迹卡尔曼滤波器所获结果的比较,提出的算法有效减少了估计误差.并对粒子数目对结果的影响进行了分析.相较于卡尔曼滤波器,无迹粒子滤波方法对于调控网络参数学习精度更高.粒子数目太少或太多都会减弱估计精度,因此选择适当的粒子数目非常重要.
目前基于微分方程模型學習網絡參數的工作普遍基于卡爾曼濾波器,對所分析繫統有線性假設前提,而基因調控網絡具有彊非線性,因此需要更適用于非線性模型的方法.提齣瞭一種基于無跡粒子濾波器學習基因調控網絡參數的方法,由于粒子濾波方法不受模型線性假設的約束,因此能夠對非線性繫統進行更好的擬閤.通過對Repressillar模型中隱變量與未知參數的估計併與無跡卡爾曼濾波器所穫結果的比較,提齣的算法有效減少瞭估計誤差.併對粒子數目對結果的影響進行瞭分析.相較于卡爾曼濾波器,無跡粒子濾波方法對于調控網絡參數學習精度更高.粒子數目太少或太多都會減弱估計精度,因此選擇適噹的粒子數目非常重要.
목전기우미분방정모형학습망락삼수적공작보편기우잡이만려파기,대소분석계통유선성가설전제,이기인조공망락구유강비선성,인차수요경괄용우비선성모형적방법.제출료일충기우무적입자려파기학습기인조공망락삼수적방법,유우입자려파방법불수모형선성가설적약속,인차능구대비선성계통진행경호적의합.통과대Repressillar모형중은변량여미지삼수적고계병여무적잡이만려파기소획결과적비교,제출적산법유효감소료고계오차.병대입자수목대결과적영향진행료분석.상교우잡이만려파기,무적입자려파방법대우조공망락삼수학습정도경고.입자수목태소혹태다도회감약고계정도,인차선택괄당적입자수목비상중요.
