Поддерживаемые методы для оценки параметра SimBiology

SimBiology® поддерживает множество методов оптимизации для наименьших квадратов и проблем оценки смешанных эффектов. В зависимости от метода оптимизации можно задать границы параметра для предполагаемых параметров, а также специфичных для ответа ошибочных моделей, то есть, ошибочной модели для каждой переменной отклика. Следующая таблица обобщает поддерживаемые методы оптимизации в SimBiology, подходящие опции и соответствующие тулбоксы, которые требуются в дополнение к MATLAB® и SimBiology.

МетодДополнительный необходимый тулбоксГраницы параметра поддержекЧувствительность параметра использованияСпецифичные для ответа ошибочные моделиЗафиксированные или смешанные эффектыПоддерживает стохастический алгоритм EMФункция SimBiology, чтобы использовать
fminsearchДа*НетДаФиксированныйНетsbiofit или fitproblem
scattersearchДаЗависит от выбранного локального решателя.Зависит от выбранного локального решателя.ФиксированныйНет
nlinfit (Statistics and Machine Learning Toolbox)Statistics and Machine Learning Toolbox™Да*НетНетФиксированныйНет
fminunc (Optimization Toolbox)Optimization Toolbox™Да*ДаДаФиксированныйНет
fmincon (Optimization Toolbox)Optimization ToolboxДаДаДаФиксированныйНет
lsqcurvefit (Optimization Toolbox)Optimization ToolboxДаДаДаФиксированныйНет
lsqnonlin (Optimization Toolbox)Optimization ToolboxДаДаДаФиксированныйНет
patternsearch (Global Optimization Toolbox)Global Optimization ToolboxДаНетДаФиксированныйНет
ga (Global Optimization Toolbox)Global Optimization ToolboxДаНетДаФиксированныйНет
particleswarm (Global Optimization Toolbox)Global Optimization ToolboxДаНетДаФиксированныйНет
nlmefit (Statistics and Machine Learning Toolbox)Statistics and Machine Learning ToolboxНетНетНетСмешанныйНетsbiofitmixed или fitproblem
nlmefitsa (Statistics and Machine Learning Toolbox)Statistics and Machine Learning ToolboxНетНетНетСмешанныйДа

Этот столбец указывает, позволяет ли алгоритм использовать чувствительность параметра, чтобы определить градиенты целевой функции.

* При использовании fminsearch, nlinfit, или fminunc с границами целевая функция возвращает Inf если границы превышены. Когда вы включаете опции, такие как FunValCheck, оптимизация может ошибка, если границы превышены во время оценки. При использовании nlinfit, это может сообщить о предупреждениях о якобиане, являющемся плохо обусловленным или не бывшем способном оценивать, слишком близок ли конечный результат к границам.

Смотрите также

|

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте