Hinweise zu Qualitätskriterien von Zeitschriften
Open-Access-Richtlinie der Helmholtz-Gemeinschaft 2016
CC Licencences
Metriken für Publikationen
Startseite
Login
English
Erweiterte Suche
Durchblättern nach ...
Publikationen im Überblick
HGF Fortschrittsbericht
OA Publikationen
Neue Publikation eintragen
Neue Publikation holen aus...
Fehlende Publikation melden
Ansprechpartner
Hilfe
Bibliometrische Indikatoren
Text
Endnote (RIS)
BibTeX
Verlagsversion
 |
|
möglich sobald bei der ZB eingereicht worden ist.
From low-dimensional model selection to high-dimensional inference: tailoring Bayesian methods to biological dynamical systems.
Von niederdimensionaler Modellselektion zu hochdimensionaler Inferenz: maßgeschneiderte Bayesianische Methoden für biologische dynamische Systeme.
München, Technische Universität, Fakultät für Mathematik, Diss., 2015, 212 S.
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 parameter inference. We then present a range of examples.
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-Hastings-Algorithmen für hochdimensionale Parameterinferenz. Wir präsentieren eine Sammlung verschiedener Anwendungsbeispiele.
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern
Publikationstyp
Sonstiges: Hochschulschrift
Typ der Hochschulschrift
Dissertationsschrift
Sprache
englisch
Veröffentlichungsjahr
2015
HGF-Berichtsjahr
0
Quellenangaben
Seiten: 212 S.
Tag d. mündl. Prüfung
2015-02-04
Betreuer
Theis, F.J. (Prof. Dr. Dr.)
Gutachter
Theis, F.J. (Prof. Dr. Dr.); Junge, O. (Prof. Dr.); Girolami, M. (Prof. Dr.)
Hochschule
Technische Universität
Hochschulort
München
Fakultät
Fakultät für Mathematik
Institut(e)
Institute of Computational Biology (ICB)
POF Topic(s)
30205 - Bioengineering and Digital Health
Forschungsfeld(er)
Enabling and Novel Technologies
PSP-Element(e)
G-503800-001
Erfassungsdatum
2015-03-16