.png){kind=icon}
返回
GAUSSIAN-PROCESSMODELS OFPOPULATION DYNAMICS
.png){kind=icon}
PRE
AI
DOI：10.1615/JMachLearnModelComput.2025061979.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于群体的动力学代理模型对于集合型计算（如数据同化、不确定性量化及优化设计）至关重要。其中一种代理模型是遵循自然物理约束的数据驱动高斯过程（GP）。我们的方法利用输出变换和变分推断来确保群体变量的物理可接受性。同时采用统计学习与核发现算法，以识别在多种环境条件下实现基于度量的最优拟合或预测的高斯过程结构。我们考察了不同度量对最优核函数的影响，并提出了一种自适应束搜索方法以高效识别此类核函数。通过描述蚊子群体演化的数据集进行数值实验，验证了高斯过程模型的有效性。所提框架可应用于并扩展至广泛的生物系统，为不确定性驱动的决策制定和实时数据生成铺平道路。
Keyword:
constrained Gaussian process
biological population dynamics
probabilistic forecasting
kernel structure learning
model validation metric
期刊
J
IF:
0
论文数:
9
被引数:
0
机构
引用论文
分享收藏Dynamic Life Table Model for Aedes aegypti (Diptera: Culicidae): Simulation Results and Validation
PREAI
分享收藏Decomposition of the continuous ranked probability score for ensemble prediction systems集合预测系统连续排序概率得分的分解
OAAI
OAAI分享收藏Modelling the impact of vector control interventions on Anopheles gambiae population dynamics.png)
PARASITES & VECTORSOAAI
PARASITES & VECTORSIF3.5
OAAI分享收藏Improved automatic kernel construction for Gaussian process regression in small sample learning for predicting lift body aerodynamic performancePHYSICS OF FLUIDS
PHYSICS OF FLUIDSIF4.3
PREAI
分享收藏Modeling and simulation of the spatial population dynamics of the Aedes aegypti mosquito with an insecticide applicationPARASITES & VECTORSOAAI
PARASITES & VECTORSIF3.5
OAAI分享收藏
查看更多内容