MétaCan
Menu
Retour à la cohorte
Enregistrement W4251738519 · doi:10.32920/ryerson.14664120

Effective Multi-level Monte Carlo Methods for Stochastic Biochemical Kinetics

2021· preprint· en· W4251738519 sur OpenAlexaff
Priyabrata Senapati

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensToronto Metropolitan UniversityMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMonte Carlo methodStochastic modellingStochastic simulationStochastic processComputer scienceStatistical physicsKinetic Monte CarloMathematical optimizationApplied mathematicsMathematicsPhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

Stochastic mathematical models are essential for an accurate description of biochemical processes at the cellular level. The effect of random fluctuations may be significant when some species have low molecular counts. While exact stochastic simulation methods exist, they are typically expensive on systems arising in applications. Thus more effective strategies are required for simulating complex stochastic models of biochemical system. Often, the expected value of some function of the final time solution of the stochastic model is of interest. Then, the approach employing multi-level Monte Carlo methods is more efficient than the traditional techniques. In this thesis, we study multi-level Monte Carlo (MLMC) schemes for a reliable and effective simulation of stochastic models of biochemical kinetics. The advantages of these MLMC strategies are illustrated on several biochemical models arising in applications.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,447
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,813
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,447
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,721
Tête enseignante GPT0,652
Écart entre enseignants0,068 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStatistical Methods in Clinical TrialsTravaux en français237 207