ADMB - ADMB

ADMB
ADMB logo.jpg
РазработаноДавид Фурнье
РазработчикОсновная команда ADMB
Стабильный выпуск
12.0[1] / 21 декабря 2017 г.; 2 года назад (2017-12-21)
Операционные системыКроссплатформенность
ЛицензияBSD
Интернет сайтadmb-проект.org
Диалекты
C ++

ADMB или же Построитель моделей AD это бесплатное программное обеспечение с открытым исходным кодом люкс для нелинейный статистическое моделирование.[2][3] Он был создан Дэвидом Фурнье и сейчас разрабатывается в рамках проекта ADMB, созданного некоммерческой организацией ADMB Foundation. «AD» в построителе моделей AD относится к автоматическая дифференциация возможности, которые исходят от Библиотека AUTODIF, расширение языка C ++, также созданное Дэвидом Фурнье, которое реализует автоматическое дифференцирование в обратном режиме.[4] Связанный программный пакет, ADMB-RE, обеспечивает дополнительную поддержку моделирования случайные эффекты.[5]

Особенности и использование

Цепь Маркова Монте-Карло методы интегрированы в программное обеспечение ADMB, что делает его полезным для Байесовский моделирование.[6] В дополнение к байесовским иерархическим моделям ADMB обеспечивает поддержку моделирования случайных эффектов в частотной структуре с использованием аппроксимации Лапласа и выборки по важности.[5]

ADMB широко используется учеными в академических учреждениях, государственных учреждениях и международных комиссиях.[7] чаще всего для экологического моделирования. В частности, многие рыболовство оценка запасов модели были построены с использованием этого программного обеспечения.[8] ADMB находится в свободном доступе под Новая лицензия BSD,[9]с версиями, доступными для Windows, Linux, Mac OS X, и OpenSolaris операционные системы.[9] Исходный код ADMB стал общедоступным в марте 2009 года.[10][11]

История и предыстория

Выполнение

Работа Дэвида Фурнье в 1970-х годах над разработкой комплексных статистических моделей с высокой степенью параметризации в рыболовстве послужила толчком для разработки библиотеки AUTODIF и, в конечном итоге, ADMB. Уравнения правдоподобия в этих моделях обычно нелинейны, а оценки параметров получают численными методами.

В начале работы Фурнье стало ясно, что общие численные решения этих проблем вероятности могут быть надежно получены только с использованием алгоритмов минимизации функций, которые включают точную информацию о градиентах поверхности правдоподобия. Вычисление градиентов (т.е. частных производных правдоподобия по всем переменным модели) также должно выполняться с той же точностью, что и само вычисление правдоподобия.

Фурнье разработал протокол для написания кода для вычисления требуемых производных на основе цепного правила дифференциального исчисления. Этот протокол очень похож на набор методов, которые стали известны как `` автоматическое дифференцирование в обратном режиме ''..[12]

Статистические модели, использующие эти методы[13][14][15][16]обычно включает восемь составляющих сегментов кода:

  1. целевая функция;
  2. сопряженный код для вычисления частных производных целевой функции по параметрам, которые необходимо оценить;
  3. выделенная память для хранения промежуточных данных для производных вычислений, известная как «стек градиента», и программное обеспечение для управления этим;
  4. минимизатор функций;
  5. алгоритм проверки правильности производных относительно конечно-разностных аппроксимаций;
  6. алгоритм вставки параметров модели в вектор, которым можно управлять с помощью минимизатора функции и соответствующего производного кода;
  7. алгоритм для возврата значений параметров к вычислению правдоподобия и соответствующего производного кода; и
  8. алгоритм вычисления второго частные производные объективной функции по оцениваемым параметрам, Матрица Гессе.

Разработчиков моделей обычно интересует только первая из этих составляющих. Любые инструменты программирования, которые могут снизить накладные расходы на разработку и обслуживание остальных семи, значительно увеличат их производительность.

Бьярн Страуструп начал разработку C ++ в 1970-х годах в Bell Labs как усовершенствование языка программирования C. C ++ широко распространился, и к 1989 году компиляторы C ++ были доступны для персональных компьютеров. Полиморфизм C ++ позволяет представить систему программирования, в которой все математические операторы и функции могут быть перегружены для автоматического вычисления производных вкладов каждой дифференцируемой числовой операции в любой компьютерной программе.

Выдра Исследования

В 1989 году Фурнье основал Otter Research Ltd., и к 1990 году библиотека AUTODIF включала специальные классы для вычисления производных и необходимые перегруженные функции для всех операторов C ++ и всех функций стандартной математической библиотеки C ++. Библиотека AUTODIF автоматически вычисляет производные целевой функции с тем же точность как сама целевая функция и тем самым освобождает разработчика от обременительной задачи по написанию и поддержке производного кода для статистических моделей. Не менее важна с точки зрения разработки моделей, библиотека AUTODIF включает в себя «стек градиентов», квазиньютоновский минимизатор функции, производная проверка и классы контейнеров для векторов и матриц. Первое приложение библиотеки AUTODIF было опубликовано в 1992 году.[17]

Однако библиотека AUTODIF не освобождает разработчика от написания всех перечисленных выше компонентов модели. В 1993 году Фурнье еще больше отвлекся от написания статистических моделей, создав ADMB, специальный "шаблонный" язык для упрощения спецификации модели, создав инструменты для преобразования моделей, написанных с использованием шаблонов, в приложения библиотеки AUTODIF. ADMB создает код для управления обменом параметрами модели между моделью и функцией минимизатора, автоматически вычисляет матрицу Гессе и инвертирует ее, чтобы обеспечить оценку ковариации оцененных параметров. Таким образом, ADMB освобождает разработчика модели от всех утомительных накладных расходов по управлению нелинейной оптимизацией, тем самым освобождая его или ее для сосредоточения на более интересных аспектах статистической модели.

К середине 1990-х годов ADMB получил признание исследователей, работающих над всеми аспектами управления ресурсами. Модели популяций, основанные на ADMB, используются для мониторинга ряда исчезающих видов и коммерчески ценных популяций рыб, включая китов, дельфинов, морских львов, пингвинов, альбатросов, морских ушек, омаров, тунцов, марлинов, акул, скатов, анчоусов и минтая. ADMB также использовался для реконструкции перемещений многих видов животных, отслеживаемых с помощью электронных меток.

В 2002 году Фурнье объединился с Хансом Скаугом, чтобы ввести случайные эффекты в ADMB. Эта разработка включала автоматическое вычисление второй и третьей производных и использование автоматического дифференцирования в прямом режиме с последующими в некоторых случаях двумя развертками обратной модели AD.

Проект ADMB

В 2007 году группа пользователей ADMB, в которую входили Джон Сиберт, МаркМаундер и Андерс Нильсен, была обеспокоена долгосрочным развитием и поддержкой ADMB. Было достигнуто соглашение с Otter Research о продаже авторских прав ADMB с целью сделать ADMB проектом с открытым исходным кодом и распространять его бесплатно. Некоммерческий фонд ADMB был создан для координации разработки и продвижения использования ADMB. Фонд ADMB подготовил проект предложения Фонду Гордона и Бетти Мур о выделении средств на покупку ADMB у Otter Research. В конце 2007 года фонд Мура предоставил грант Национальному центру экологического анализа и синтеза Калифорнийского университета в Санта-Барбаре, чтобы регенты Калифорнийского университета могли приобрести права на ADMB. Приобретение было завершено в середине 2008 года, а полные библиотеки ADMB были размещены на веб-сайте проекта ADMB в декабре 2008 года. К маю 2009 года было выполнено более 3000 загрузок библиотек. Исходный код был доступен в декабре 2009 года. В середине 2010 года ADMB поддерживался во всех распространенных операционных системах (Windows, Linux, MacOS и Sun / SPARC), для всех распространенных компиляторов C ++ (GCC, Visual Studio, Borland) и для как 32-, так и 64-битные архитектуры.

Усилия ADMB Foundation в течение первых двух лет реализации проекта ADMB были сосредоточены на автоматизации сборки ADMB для различных платформ, оптимизации установки и создании удобной для пользователя рабочей среды. Планируемые технические разработки включают распараллеливание внутренних вычислений, реализацию гибридной MCMC и улучшение большой разреженной матрицы для использования в моделях случайных эффектов.

Смотрите также

Рекомендации

  1. ^ [1]
  2. ^ "адмб-проект". Проект ADMB. В архиве из оригинала 3 марта 2009 г.. Получено 2009-04-01.
  3. ^ Фурнье, Д.А., Х.Дж. Скауг, Дж. Анчета, Дж. Янелли, А. Магнуссон, М.Н. Maunder, A. Nielsen и J. Sibert. 2012. Построитель моделей AD: использование автоматического дифференцирования для статистического вывода сильно параметризованных сложных нелинейных моделей. Оптим. Методы Softw. 27: 233-249
  4. ^ "AUTODIF: расширение языка массивов C ++ с автоматическим дифференцированием для использования в нелинейном моделировании и статистике" (PDF). Проект ADMB. Архивировано из оригинал (PDF) на 2011-07-11. Получено 2008-12-03.
  5. ^ а б «Случайные эффекты в построителе моделей AD: руководство пользователя ADMB-RE» (PDF). Проект ADMB. Архивировано из оригинал (PDF) на 2011-07-11. Получено 2008-12-03.
  6. ^ "Введение в построитель моделей AD версии 9.0.0" (PDF). Проект ADMB. Архивировано из оригинал (PDF) на 2011-01-04. Получено 2008-12-03.
  7. ^ «База пользователей ADMB и основные приложения». Проект ADMB. Архивировано из оригинал на 2011-07-24. Получено 2008-12-02.
  8. ^ «Библиография: оценки запасов». Проект ADMB. Архивировано из оригинал на 2013-02-26. Получено 2008-12-03.
  9. ^ а б "Загрузки ADMB". Проект ADMB. Получено 2010-07-28.
  10. ^ "Пресс-релиз UCSB:" Программное обеспечение для оценки рыбных запасов стало общедоступным"". Калифорнийский университет в Санта-Барбаре. Получено 2008-12-09.
  11. ^ «Доступен исходный код ADMB». Проект ADMB. Архивировано из оригинал на 2010-04-18. Получено 2009-05-14.
  12. ^ А. Гриванк и Г. Ф. Корлисс (редакторы). Автоматическое дифференцирование алгоритмов: теория, реализация и применение.`Общество промышленной и прикладной математики. 1992 г.
  13. ^ Д. Фурнье и И. Дунан.Метод оценки запаса на основе длины с использованием обобщенной модели разницы задержек.Canadian Journal of Fisheries and Aquatic Sciences, 44 (2): 422-437, 1987.
  14. ^ Д. Фурнье и А. Уорбертон.Оценка моделей управления рыболовством путем моделирования адаптивного управления - введение составной модели.Canadian Journal of Fisheries and Aquatic Sciences. 46 (6): 1002-1012, 1989.
  15. ^ Д. Фурнье, Дж. Сиберт, Дж. Майковски и Дж. Хэмптон.MULTIFAN - вероятностный метод оценки параметров роста и возрастного состава на основе нескольких наборов данных о частоте длин, проиллюстрированных с использованием данных для южного синего тунца (Thunnus maccoyii).Canadian Journal of Fisheries and Aquatic Sciences, 47 (2): 301-317, 1990.
  16. ^ Дж. Сиберт, Дж. Хэмптон, Д. Фурнье и П. Биллс.Модель адвекции-диффузии-реакции для оценки параметров движения рыбы по данным мечения с применением к тунцу-скипджеку (Katsuwonus pelamis).Canadian Journal of Fisheries and Aquatic Sciences, 56 (6): 925-938, 1999.
  17. ^ К. Н. Холланд, Р. Брилл, Р. Чанг, Дж. Сиберт и Д. Фурнье.Физиологическая и поведенческая терморегуляция у большеглазого тунца (Thunnus obesus). Природа, 358: 410-412, 1992.

внешняя ссылка

  • За загрузки инсталляторов, руководств и исходного кода: Проект ADMB
  • К поддерживать Проект ADMB: Фонд ADMB
  • Оригинальный разработчик ADMB: Otter Research Ltd