Likelihood-Free Parameter Inference for Spatiotemporal Stochastic Biological Models using Neural Posterior Estimation
Cette étude propose l'utilisation de l'estimation neuronale de la vraisemblance postérieure pour inférer efficacement les paramètres de modèles stochastiques spatiotemporels complexes décrivant la migration cellulaire, en contournant les limitations des méthodes traditionnelles comme la vraisemblance approximative et en permettant une analyse directe à partir de données brutes ou de statistiques résumées.