Identifiability and Regression Analysis of Biological Systems Models (eBook)
XII, 124 Seiten
Springer-Verlag
978-3-031-74748-9 (ISBN)
This richly illustrated book presents the latest techniques for the identifiability analysis and standard and robust regression analysis of complex dynamical models, and looks at their objectives. It begins by providing a definition of complexity in dynamic systems, introducing the concepts of system size, density of interactions, stiff dynamics, and the hybrid nature of determination. The discussion then turns to the mathematical foundations of model structural and practical identifiability analysis, multilinear and non-linear regression analysis, and best predictor selection, and their algorithmic procedures.
Although the featured examples mainly focus on applications to biochemistry and systems biology, the methodologies described can also be employed in other disciplines such as physics and the environmental sciences. Readers will learn how to determine identifiability conditions, how to search for an identifiable model, and how to conduct their own regression analysis and diagnostics without supervision.
This new edition includes a concise, yet comprehensive treatment of the main artificial intelligence methods which can be used for parameter inference in models of complex dynamic biological systems. It emphasizes the most efficient solutions for generating synthetic data that augment the training data and which are indispensable for machine learning procedures.
Featuring a wealth of real-world examples, exercises, and R codes, the book addresses the needs of doctoral students and researchers in bioinformatics, bioengineering, systems biology, biophysics, biochemistry, the environmental sciences and experimental physics. Familiarity with the fundamentals of probability and statistics (as provided in first-year university courses) and a basic grasp of R are assumed.
| Erscheint lt. Verlag | 9.11.2024 |
|---|---|
| Reihe/Serie | SpringerBriefs in Statistics |
| Zusatzinfo | XII, 124 p. 26 illus., 16 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Mathematik ► Statistik |
| Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik | |
| Naturwissenschaften ► Biologie | |
| Schlagworte | Factor Analysis • Latent class models • Model identifiability • Network inference • non-linear dynamics • parameter inference • Regression Analysis • Self-starting models • Stiff dynamics • systems biology |
| ISBN-10 | 3-031-74748-8 / 3031747488 |
| ISBN-13 | 978-3-031-74748-9 / 9783031747489 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 6,4 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
