Exact Gradients Improve Parameter Estimation in Nonlinear Mixed Effects Models with Stochastic Dynamics
Poster (konferens), 2017
Nonlinear mixed effects (NLME) models based on stochastic differential equations (SDEs) have evolved into a mature approach for analysis of PKPD data [1-3], but parameter estimation remains challenging. We present an exact-gradient version of the first order conditional estimation (FOCE) method for SDE-NLME models, and investigate whether it enables faster estimation and better gradient precision/accuracy compared to finite difference gradients.
Författare
Helga Kristin Olafsdottir
Göteborgs universitet
Chalmers, Matematiska vetenskaper
Jacob Leander
Göteborgs universitet
Chalmers, Matematiska vetenskaper
Joachim Almquist
Chalmers, Biologi och bioteknik, Systembiologi
Mats Jirstrand
Stiftelsen Fraunhofer-Chalmers Centrum för Industrimatematik
American conference on pharmacometrics 2017 (ACoP8)
Fort Lauderdale, ,
Fort Lauderdale, ,
Styrkeområden
Informations- och kommunikationsteknik
Livsvetenskaper och teknik (2010-2018)
Ämneskategorier
Beräkningsmatematik
Sannolikhetsteori och statistik
Fundament
Grundläggande vetenskaper
DOI
10.1007/s10928-017-9536-y