研究提出随机多尺度生物过程数字孪生校准与控制框架
热点事件持续更新
研究提出随机多尺度生物过程数字孪生校准与控制框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Keilung Choy 与 Wei Xie 提出一套面向生物系统之系统(Bio-SoS)范式的偏差感知数字孪生校准与控制框架,用于多尺度生物过程模型。该框架以随机微分方程(SDE)建模,结合拟似然估计与伴随灵敏度分析,从稀疏离散观测中完成校准。 据作者表述,其目标是同时处理模型偏差与随机性,并据此进行最优控制。目前公开信息为研究框架本身,未给出具体应用场景下的验证结果或性能数据。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
基于伴随法的随机多尺度生物过程数字孪生校准与最优控制报道时间线
沿着报道,了解事件的不同侧面。
10月8日
- arXiv stat.ML基于伴随法的随机多尺度生物过程数字孪生校准与最优控制
研究提出面向生物系统之系统(Bio-SoS)范式的偏差感知数字孪生校准与控制框架,用随机微分方程(SDE)建模,结合拟似然估计与伴随灵敏度分析从稀疏离散观测中校准。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。