La comparaison de modèles mathématiques offre un moyen d'évaluer des résultats scientifiques concurrents.
théories. Cependant, les méthodes exactes d’étalonnage du modèle ne sont pas applicables à
de nombreux modèles probabilistes qui simulent des données spatio-temporelles de grande dimension.
Le calcul bayésien approximatif est une méthode largement utilisée pour
inférence et sélection de modèle dans de tels scénarios, et il peut être combiné avec
Analyse de données topologiques pour étudier des modèles qui simulent des données avec une précision spatiale
structure. Nous développons un pipeline flexible pour l'inférence de paramètres et le modèle
sélection dans des modèles spatio-temporels. Notre pipeline identifie les topologiques
des statistiques récapitulatives qui quantifient les données spatio-temporelles et les utilisent pour
paramètres approximatifs et distributions a posteriori du modèle. Nous validons notre
pipeline sur des modèles d’angiogenèse induite par des tumeurs, déduire quatre paramètres dans
trois modèles établis et identification du modèle correct en synthèse
cas de test.

Cet article explore les excursions dans le temps et leurs implications.

Télécharger PDF: