Overview Statistic: PDF-Downloads (blue) and Frontdoor-Views (gray)
  • Treffer 11 von 19
Zurück zur Trefferliste

Learning chemical reaction networks from trajectory data

  • We develop a data-driven method to learn chemical reaction networks from trajectory data. Modeling the reaction system as a continuous-time Markov chain and assuming the system is fully observed,our method learns the propensity functions of the system with predetermined basis functions by maximizing the likelihood function of the trajectory data under l^1 sparse regularization. We demonstrate our method with numerical examples using synthetic data and carry out an asymptotic analysis of the proposed learning procedure in the infinite-data limit.

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Statistik - Anzahl der Zugriffe auf das Dokument
Metadaten
Verfasserangaben:Wei Zhang, Stefan Klus, Tim ConradORCiD, Christof Schütte
Dokumentart:Artikel
Titel des übergeordneten Werkes (Englisch):SIAM Journal on Applied Dynamical Systems (SIADS)
Band:18
Ausgabe / Heft:4
Erste Seite:2000
Letzte Seite:2046
Jahr der Erstveröffentlichung:2019
ArXiv-Id:http://arxiv.org/abs/1902.04920
DOI:https://doi.org/10.1137/19M1265880
Accept ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.