基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前基于微分方程模型学习网络参数的工作普遍基于卡尔曼滤波器,对所分析系统有线性假设前提,而基因调控网络具有强非线性,因此需要更适用于非线性模型的方法.提出了一种基于无迹粒子滤波器学习基因调控网络参数的方法,由于粒子滤波方法不受模型线性假设的约束,因此能够对非线性系统进行更好的拟合.通过对Repressillar模型中隐变量与未知参数的估计并与无迹卡尔曼滤波器所获结果的比较,提出的算法有效减少了估计误差.并对粒子数目对结果的影响进行了分析.相较于卡尔曼滤波器,无迹粒子滤波方法对于调控网络参数学习精度更高.粒子数目太少或太多都会减弱估计精度,因此选择适当的粒子数目非常重要.
推荐文章
改进的无迹粒子滤波算法
粒子滤波
无迹变换
最优滤波
基于交互多模型的改进无迹粒子滤波算法
粒子滤波
UT变换
交互式多模型
预测残差
自适应滤波
IMM迭代无迹Kalman粒子滤波目标跟踪算法
交互式多模型(IMM)
迭代无迹卡尔曼
粒子滤波(PF)
再入目标
机动
基于自适应渐消无迹粒子滤波的Unscented FastSLAM算法
同步定位与地图构建
粒子退化
自适应渐消无迹粒子滤波
自适应部分系统重采样
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 面向调控网络参数学习的无迹粒子滤波算法
来源期刊 计算机工程与应用 学科 工学
关键词 基因调控网络 参数学习 常微分方程 非线性 无迹粒子滤波
年,卷(期) 2011,(9) 所属期刊栏目 数据库、信号与信息处理
研究方向 页码范围 146-148,166
页数 分类号 Q811.4|TP391.9
字数 4589字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.09.043
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王正志 国防科技大学机电工程与自动化学院 85 629 13.0 20.0
2 倪青山 国防科技大学机电工程与自动化学院 22 72 5.0 7.0
3 强波 国防科技大学机电工程与自动化学院 11 19 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (12)
2000(5)
  • 参考文献(5)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(9)
  • 引证文献(0)
  • 二级引证文献(9)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
基因调控网络
参数学习
常微分方程
非线性
无迹粒子滤波
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导