Bayesian Inference in Phylogeny via Sequential Stochastic Approximation Monte Carlo

전수영; 김효성

추천

검색

자료유형: 학술저널

저자정보: 전수영 김효성

저널정보: 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제11권 제3호

발행연도: 2009.1

수록면: 1,221 - 1,231 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

The Sequential Stochastic approximation Monte Carlo(SSAMC) algorithm has recently been proposed by Cheon and Liang(2008) as a new phylogenetic tree construction method. SSAMC is an efficient algorithm to alleviate local trap problems and the curse of dimensionality in simulations simultaneously by making use of the sequential structure of phylogenetic trees in conjunction with stochastic approximation Monte Carlo(SAMC) simulations. In this paper, we discuss the application of SSAMC to the Bayesian inference in phylogeny. Two real datasets are used for SSAMC to show the capability of a phylogeny tree reconstruction and existing Bayesian methods, BAMBE and MrBayes, are applied for comparison. Numerical results indicate that SSAMC is a useful algorithm for phylogeny inference in terms of quality of the resulting phylogenetic trees.

#Bayesian inference #Phylogeny tree construction #Curse of dimensionality #Local trap #Markov chain Monte Carlo #Sequential Stochastic approximation Monte Carlo.

참고문헌 (23)

참고문헌 신청

Besag, J / 1995 / Spatial statistics and Bayesian computation / Journal of the Royal Statistical Society, Series B 55 : 25 ~ 37

Cheon, S / 2008 / Phylogenetic tree construction using sequential stochastic approximation Monte Carlo / BioSystems 91 : 94 ~ 107

Felsenstein, J / 1981 / Evolutionary trees from DNA sequences: a maximum likelihood approach / Journal of Molecular Evolution 17 : 368 ~ 376

Gelman, A / 1992 / Inference from Iterative Simulation using Multiple sequences / Statistical Science 7 : 457 ~ 511

Geyer, C. J / 1995 / Annealing Markov chain Monte Carlo with applications to ancestral inference / Journal of the American Statistical Association 90 : 909 ~ 920

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

전수영

소속기관 고려대학교

주요연구분야 인문학 > 어문학 > 한국어와문학 자연과학 > 수학·통계학

논문수 35 이용수 1,154

김효성

소속기관 한국자료분석학회

주요연구분야 자연과학 > 수학·통계학

논문수 4 이용수 40

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (23)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)