Robust state estimation for stochastic genetic regulatory networks
Robust state estimation for stochastic genetic regulatory networks
复制标题
随机遗传调控网络的鲁棒状态估计
DOI：
10.1080/00207720903141434
复制
发表时间：
2010-01
影响因子：
4.3
通讯作者：
Liang, Jinling
中科院分区：
文献类型：
--
作者：
Lam, James;Liang, Jinling
研究了具有参数不确定性和随机扰动的遗传调控网络(GRN)的状态估计问题。为了考虑不可避免的建模误差和参数波动，假设网络参数是时变的，但范数有界。此外，在翻译过程和反馈调节过程中都引入了标量乘性白噪声，以反映固有的胞内和胞外噪声扰动。该问题的目的是设计一种线性状态估计器，以估计不确定GRN中mRNA和蛋白质的真实浓度。借助于Lyapunov-Krasovskii泛函方法和线性矩阵不等式(LMI)技术，首先建立了保证估计误差动态随机稳定的充分条件，然后根据一些LMI的解来设计估计器增益，这些解可以用标准的数值软件容易地求解。文中给出了一个三结点GRN，验证了所提设计方法的有效性。
In this article, the state estimation problem is investigated for genetic regulatory networks (GRNs) with parameter uncertainties and stochastic disturbances. To account for the unavoidable modelling errors and parameter fluctuations, the network parameters are assumed to be time-varying but norm-bounded. Furthermore, scalar multiplicative white noises are introduced into both the translation process and the feedback regulation process in order to reflect the inherent intracellular and extracellular noise perturbations. The purpose of the addressed problem is to design a linear state estimator that can estimate the true concentration of the mRNA and the protein of the uncertain GRNs. By resorting to the Lyapunov–Krasovskii functional method combined with the linear matrix inequality (LMI) technique, sufficient conditions are first established for ensuring the stochastic stability of the dynamics of the estimation error, and the estimator gains are then designed in terms of the solutions to some LMIs that can be easily solved by using the standard numerical software. A three-node GRN is presented to show the effectiveness of the proposed design procedures.
登录
查看更多内容
DOI：
10.1109/cec.2003.1299570
发表时间：
2003
期刊：
The 2003 Congress on Evolutionary Computation, 2003. CEC '03.
影响因子：
--
作者：
Tianhai Tian;K. Burrage
通讯作者：
Tianhai Tian;K. Burrage
DOI：
10.1016/s0076-5392(08)x6039-4
发表时间：
2012-01
期刊：
--
影响因子：
--
作者：
H. Kushner
通讯作者：
H. Kushner
影响因子：
2.1
作者：
Zidong Wang
通讯作者：
Zidong Wang
影响因子：
1.8
作者：
G. Wei;Zidong Wang;H. Shu;K. Fraser;Xiaohui Liu
通讯作者：
G. Wei;Zidong Wang;H. Shu;K. Fraser;Xiaohui Liu
DOI：
10.1016/b978-0-12-801238-3.64118-1
发表时间：
2019
期刊：
Encyclopedia of Biomedical Engineering
影响因子：
--
作者：
L. Sugavaneswaran
通讯作者：
L. Sugavaneswaran