Core Concepts
マルコフ射影による低次元化が、高次元確率反応ネットワークの効率的なIS-MC推定値を提供する。
Abstract
提案手法は、Monte Carlo(MC)推定値の効率を向上させる。
Markovian Projection(MP)アイデアは、元の高次元SRNシステムの周辺分布を保存しながら、低次元SRN(潜在的に1次元)に問題をマッピングする。
MP-HJB-ISアプローチは、MC推定値の分散を大幅に減少させ、標準MC推定子よりもレアイベント領域で計算複雑性を低減することが示されている。
Introduction
確率反応ネットワーク(SRNs)は広範囲のアプリケーションで見られる。
高次元SRNsでは計算コストが指数関数的に増加し、MC方法でE[g(X(T))]を推定することが提案されている。
Explicit Tau-Leap Approximation
GillespieやAndersonによって導入された明示的TL法は、Xの経路を近似する方法として使用されている。
TLステップごとに現在の状態がゼロに投影される。
Biased Monte Carlo estimator
標準MC-TL推定子はE[g(X(T))]を推定するために使用される。
推定誤差はバイアスと統計誤差から成り立つ。
Importance Sampling
IS技術は粗いMC推定子の計算コストを削減し、異なる分散削減技術が提案されている。
パス依存IS手法ではPoisson乱数変数のレートを変更して新しいISメジャーが導かれている。
Markovian Projection for Stochastic Reaction Networks
SRNへのMP技術は周辺分布を保存しながら低次元化する方法である。
MP-IS-MC推定子はHJB方程式(4.1)から派生し、効果的なIS制御パラメーターを提供する。
Quotes
"MP-HJB-IS approach substantially reduces the MC estimator variance."
"Our analysis and numerical experiments reveal that the proposed MP-HJB-IS approach substantially reduces the MC estimator variance."