Exponenta Banner
exponenta event banner

Поддерживаемые методы оценки параметров в SimBiology

SimBiology ® поддерживает различные методы оптимизации для задач оценки наименьших квадратов и смешанных эффектов. В зависимости от метода оптимизации можно указать границы параметров для расчетных параметров, а также специфичные для отклика модели ошибок, то есть модель ошибок для каждой переменной ответа. В следующей таблице представлены методы оптимизации, поддерживаемые в SimBiology, опции подгонки и соответствующие панели инструментов, которые требуются в дополнение к MATLAB ® и SimBiology.

МетодТребуется дополнительная панель инструментовПоддерживает границы параметровИспользует чувствительность параметров †Специфичные для ответа модели ошибокФиксированные или смешанные эффектыПоддержка алгоритма Stochastic EMФункция SimBiology для использования
fminsearch—Да *НетДаФиксированныйНетsbiofit
scattersearch—ДаЗависит от выбранного локального решателя.Зависит от выбранного локального решателя.ФиксированныйНет
nlinfit(Набор инструментов для статистики и машинного обучения)Статистика и машинное обучение Toolbox™Да *НетНетФиксированныйНет
fminunc(Панель инструментов оптимизации)Оптимизация Toolbox™Да *ДаДаФиксированныйНет
fmincon(Панель инструментов оптимизации)Панель инструментов оптимизацииДаДаДаФиксированныйНет
lsqcurvefit(Панель инструментов оптимизации)Панель инструментов оптимизацииДаДаДаФиксированныйНет
lsqnonlin(Панель инструментов оптимизации)Панель инструментов оптимизацииДаДаДаФиксированныйНет
patternsearch(Панель инструментов глобальной оптимизации)Инструментарий глобальной оптимизацииДаНетДаФиксированныйНет
ga(Панель инструментов глобальной оптимизации)Инструментарий глобальной оптимизацииДаНетДаФиксированныйНет
particleswarm(Панель инструментов глобальной оптимизации)Инструментарий глобальной оптимизацииДаНетДаФиксированныйНет
nlmefit(Набор инструментов для статистики и машинного обучения)Инструментарий для статистики и машинного обученияНетНетНетСмешанныйНетsbiofitmixed
(Набор nlmefitsa инструментов для статистики и машинного обучения)Инструментарий для статистики и машинного обученияНетНетНетСмешанныйДа

† В этом столбце указывается, позволяет ли алгоритм использовать чувствительность параметров для определения градиентов целевой функции.

* При использовании fminsearch, nlinfit, или fminunc с границами целевая функция возвращает Inf если превышены границы. При включении таких параметров, как FunValCheck, оптимизация может быть ошибочной, если границы превышены во время оценки. При использовании nlinfit, он может сообщить о предупреждениях о том, что якобианец является плохо обусловленным или не может оценить, если окончательный результат слишком близко к границам.

См. также

|

Связанные темы

Документация по SimBiology

Поддержка