Der Vergleich mathematischer Modelle bietet eine Möglichkeit, konkurrierende wissenschaftliche Modelle zu bewerten
Theorien. Jedoch, Genaue Methoden der Modellkalibrierung sind nicht anwendbar
viele probabilistische Modelle, die hochdimensionale räumlich-zeitliche Daten simulieren.
Die ungefähre Bayes'sche Berechnung ist eine weit verbreitete Methode für Parameter
Inferenz und Modellauswahl in solchen Szenarien, und es kann mit kombiniert werden
Topologische Datenanalyse zur Untersuchung von Modellen, die Daten mit feinen räumlichen Daten simulieren
Struktur. Wir entwickeln eine flexible Pipeline für Parameterinferenz und -modell
Auswahl in räumlich-zeitlichen Modellen. Unsere Pipeline identifiziert topologische
zusammenfassende Statistiken, die räumlich-zeitliche Daten quantifizieren und dazu verwenden
Näherungsparameter und Modell-Posterior-Verteilungen. Wir validieren unsere
Pipeline an Modellen der tumorinduzierten Angiogenese, Ableiten von vier Parametern in
drei etablierte Modelle und Identifizierung des richtigen synthetischen Modells
Testfälle.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: