Il confronto di modelli matematici offre un mezzo per valutare i risultati scientifici concorrenti
teorie. Tuttavia, i metodi esatti di calibrazione del modello non sono applicabili a
molti modelli probabilistici che simulano dati spazio-temporali ad alta dimensionalità.
Il calcolo bayesiano approssimativo è un metodo ampiamente utilizzato per i parametri
inferenza e selezione del modello in tali scenari, e può essere combinato con
Analisi dei dati topologici per studiare modelli che simulano i dati con precisione spaziale
struttura. Sviluppiamo una pipeline flessibile per l'inferenza e il modello dei parametri
selezione nei modelli spazio-temporali. La nostra pipeline identifica topologici
statistiche riassuntive che quantificano i dati spazio-temporali e li utilizzano
parametri approssimativi e distribuzioni a posteriori del modello. Convalidiamo il ns
pipeline su modelli di angiogenesi indotta da tumori, deducendo quattro parametri in
tre modelli stabiliti e identificare il modello corretto in sintetico
casi di prova.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: