金宝app支持SimBiology的参数估计方法
SimBiology®金宝app支持多种优化方法最小二乘和mixed-effects估计问题。根据不同的优化方法,您可以指定参数估计参数的范围以及response-specific误差模型,也就是说,每个响应变量的误差模型。下表总结了支持SimBiology优化方法,合适的选择,和相应的要求除金宝app了MATLAB工具箱®和SimBiology。
| 方法 | 所需额外的工具箱 | 金宝app支持参数范围 | 使用参数敏感性__ | Response-specific误差模型 | 固定或混合的影响 | 金宝app支持随机EM算法 | SimBiology函数使用 |
|---|---|---|---|---|---|---|---|
fminsearch |
- - - - - - | 是的* | 没有 | 是的 | 固定 | 没有 | sbiofit或fitproblem |
| scattersearch | - - - - - - | 是的 | 取决于所选的地方解决。 | 取决于所选的地方解决。 | 固定 | 没有 | |
nlinfit(统计和机器学习的工具箱) |
统计和机器学习的工具箱™ | 是的* | 没有 | 没有 | 固定 | 没有 | |
fminunc(优化工具箱) |
优化工具箱™ | 是的* | 是的 | 是的 | 固定 | 没有 | |
fmincon(优化工具箱) |
优化工具箱 | 是的 | 是的 | 是的 | 固定 | 没有 | |
lsqcurvefit(优化工具箱) |
优化工具箱 | 是的 | 是的 | 是的 | 固定 | 没有 | |
lsqnonlin(优化工具箱) |
优化工具箱 | 是的 | 是的 | 是的 | 固定 | 没有 | |
patternsearch(全局优化工具箱) |
全局优化工具箱 | 是的 | 没有 | 是的 | 固定 | 没有 | |
遗传算法(全局优化工具箱) |
全局优化工具箱 | 是的 | 没有 | 是的 | 固定 | 没有 | |
particleswarm(全局优化工具箱) |
全局优化工具箱 | 是的 | 没有 | 是的 | 固定 | 没有 | |
nlmefit(统计和机器学习的工具箱) |
统计和机器学习工具 | 没有 | 没有 | 没有 | 混合 | 没有 | sbiofitmixed或fitproblem |
nlmefitsa(统计和机器学习的工具箱) |
统计和机器学习工具 | 没有 | 没有 | 没有 | 混合 | 是的 |
__这一列表示该算法是否允许使用参数敏感性,以确定目标函数的梯度。
*当使用fminsearch,nlinfit,或fminunc范围,目标函数返回正是否超出了界限。当你打开选项等FunValCheck,优化可能错误估计期间如果超过了界限。如果使用nlinfit对雅可比矩阵,它可能报告警告被坏心肠的或无法估计如果最终结果过于接近。
