Benutzer: Gast  Login
Originaltitel:
From low-dimensional model selection to high-dimensional inference: tailoring Bayesian methods to biological dynamical systems 
Übersetzter Titel:
Von niederdimensionaler Modellselektion zu hochdimensionaler Inferenz: maßgeschneiderte Bayesianische Methoden für biologische dynamische Systeme 
Jahr:
2015 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Mathematik 
Betreuer:
Theis, Fabian J. (Prof. Dr. Dr.) 
Gutachter:
Theis, Fabian J. (Prof. Dr. Dr.); Junge, Oliver (Prof. Dr.); Girolami, Mark (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
MAT Mathematik 
Stichworte:
Bayesian inference, Bayesian model selection, ODEs, MCMC 
Übersetzte Stichworte:
Bayesianische Inferenz, Bayesianische Modellselektion, ODEs, MCMC 
Kurzfassung:
In this thesis we use differential equations for mathematically representing biological processes. For this we have to infer the associated parameters for fitting the differential equations to measurement data. If the structure of the ODE itself is uncertain, model selection methods have to be applied. We refine several existing Bayesian methods, ranging from an adaptive scheme for the computation of high-dimensional integrals to multi-chain Metropolis-Hastings algorithms for high-dimensional pa...    »
 
Übersetzte Kurzfassung:
In dieser Dissertation werden Differentialgleichungen verwendet um biologische Prozesse mathematisch zu repräsentieren. Dazu müssen die zugehörigen Parameter inferiert werden um an Messdaten zu fitten. Ist zudem die Struktur der Differentialgleichung an sich unsicher, müssen Modelselektionsmethoden angewandt werden. Wir erweitern hierzu existierende Bayesianische Methoden. Das Spektrum reicht von adaptiven Schemata zur Berechnung hochdimensionaler Integrale bis hin zu Multiketten-Metropolis-Hast...    »
 
Mündliche Prüfung:
04.02.2015 
Dateigröße:
10235311 bytes 
Seiten:
212 
Letzte Änderung:
05.03.2015