几类监督学习算法在随机生物模型参数估计中的应用

目录

声明

第一章 绪论

1.1 监督学习概述

1.1.1 机器学习的发展及研究意义

1.1.2 监督学习简介

1.1.3 三种监督学习算法

1.3 随机生物模型

1.4 参数估计

1.5 本文的主要研究工作

第二章 预备知识

2.1 极大似然估计

2.2 贝叶斯推断

2.3 MCMC方法

2.3.1 计算参数的后验分布

2.3.2 确定接受概率

2.3.3 MCMC算法过程

2.4 Gillespie算法

2.5 本章小结

第三章 MCEM算法在估计Logit-Normal模型参数中的应用

3.1 背景

3.2 EM算法

3.3 MCEM算法

3.4 Logit-Normal模型的参数估计

3.4.1 模型描述

3.4.2 MCEM算法的应用

3.5 结果与分析

第四章 MCWM和GIMH算法在随机SIR模型中的参数估计

4.1 背景

4.2 随机SIR模型

4.3 MCWM算法和GIMH算法的应用

4.4 实例

4.4.1 模拟试验

4.4.2 寄宿学校流感爆发实例

4.5 结论与分析

第五章 基于贝叶斯和MCMC方法关于RNA干扰中逃逸量估计

5.1 背景

5.2 单种类型siRNA逃逸量的估计

5.2.1 贝叶斯推断

5.2.2 MCMC方法

5.2.3 关于蝗虫几丁质合成基因的RNA干扰实例

5.3 多种类型siRNA逃逸量的估计

5.3.1 贝叶斯推断

5.3.2 MCMC方法

5.3.3 关于多类型肿瘤基因治疗的实例

5.4 结论与分析

第六章 总结与展望

参考文献

发表论文和参加科研情况说明

致谢