研究人员探索了变分期望最大化（VEM）算法作为一种可扩展的方法，用于拟合非线性混合效应（NLME）模型，尤其是在处理大量参数时。该方法借鉴了概率图模型和变分自编码器的思想，为传统计算成本高昂的方法提供了一种高效的替代方案。该论文详细介绍了VEM在NLME中的应用，并使用Pumas统计软件展示了其处理拥有超过15,000个总体参数的模型的能力。 AI
影响 提出了一种可扩展的统计方法，有望提高复杂模型拟合在各个科学领域的效率。
排序理由 这是一篇研究论文，详细介绍了一种拟合统计模型的新方法。
- DeepNLME Friberg model
- Nonlinear Mixed Effects models
- pharmacometrics
- Variational Expectation Maximization
- warfarin model
- probabilistic graphical models
- variational autoencoders
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
