We develop efficient, accurate, robust parameter inference methods for large-scale ODE models and for ABC. Firstly, we develop an ODE adjoint hierarchical optimization method. Secondly, turning to ABC, we develop an efficient method for exact likelihood-free inference under measurement noise. Thirdly, we develop an adaptive ABC distance robust to data outliers. Fourthly, we develop an ABC distance weighting scheme using regression models to account for data informativeness.
Übersetzte Kurzfassung:
Wir entwickeln effiziente, akkurate, robuste Parameterinferenzmethoden für ODE-Modelle und ABC. Erstens entwickeln wir einen adjungiert-hierarchischen ODE-Optimierungsansatz. Zweitens entwickeln wir eine effiziente Methode für Likelihood-freie Inferenz unter Messrauschen. Drittens entwickeln wir eine Ausreißer-robuste adaptive ABC-Distanz. Viertens entwickeln wir ein ABC-Distanzgewichtungsschema, welches mittels Regressionsmodellen Informativität von Daten berücksichtigt.