ニューラルネットワークの空間相互作用モデルへの適用可能性についての研究

近年,様々な分野で応用が試みられているニューラルネットワーク(NN)は,脳の高度な情報処理システムをモデル化したものであり,学習機能による自己組織化能力を主な特徴とする情報システムである。しかし一方で,自己組織化能力への過度の依存によって、NNをブラックボックス的に応用することを批判する声も少なくない。確かに、地域分析モデルのように、モデルの再現性のみならず、モデルの理論や構造、推定されたパラメータの値などに意味を見いだすべきモデルに対して安易に応用することは慎む必要があると思われる。本研究は以上の背景を踏まえ、空間相互作用モデルを例にNNを適用することに意味解釈を与え、それに基づき,NNの改良を試みたものである。まず、従業者数分布を入力し人口分布を出力する簡単な立地モデルをNNで記述し、ネットワーク内部での情報処理を数式展開することにより、ロジットモデルとの対比からその情報処理に意味解釈を与え、またNNの立地モデルへの適用上の問題点を明らかにした。次に、これに基づきNNを改良し、ロジットモデルと構造的に完全に等価なネットワークを構築するとともに、ネットワークの情報処理への意味解釈もより完全なものにした。また、この意味解釈に従い、ネットワークの結合強度を交通条件、地価等の立地条件を説明変数とする関数として与え、これをNNの自己組織化法であるバックプロパゲーション法により同定する方法を示した。これにより、NNの強度な自己組織化能力を保持し、かつ理論的にも裏付けされたブラックボックスではない立地モデルを構築することが可能になった。以上本研究は、NNをブラックボックス的に安易に応用するのではなく、その意味を明確にし、かつそれに基づき応用対象により適合したNNへと改良している点において、従来研究と一線を画しており、NNの応用研究の新たな展開方向を示したものと考える。

近年,様々な分野で応用が試みられているニューラルネットワーク(NN)は,脳の高度な情報処理システムをモデル化したものであり,学習機能による自己組織化能力を主な特徴とする情報システムである。しかし一方で,自己組織化能力への過度の依存によって、NNをブラックボックス的に応用することを批判する声も少なくない。確かに、地域分析モデルのように、モデルの再現性のみならず、モデルの理論や構造、推定されたパラメータの値などに意味を見いだすべきモデルに対して安易に応用することは慎む必要があると思われる。本研究は以上の背景を踏まえ、空間相互作用モデルを例にNNを適用することに意味解釈を与え、それに基づき,NNの改良を試みたものである。まず、従業者数分布を入力し人口分布を出力する簡単な立地モデルをNNで記述し、ネットワーク内部での情報処理を数式展開することにより、ロジットモデルとの対比からその情報処理に意味解釈を与え、またNNの立地モデルへの適用上の問題点を明らかにした。次に、これに基づきNNを改良し、ロジットモデルと構造的に完全に等価なネットワークを構築するとともに、ネットワークの情報処理への意味解釈もより完全なものにした。また、この意味解釈に従い、ネットワークの結合強度を交通条件、地価等の立地条件を説明変数とする関数として与え、これをNNの自己組織化法であるバックプロパゲーション法により同定する方法を示した。これにより、NNの強度な自己組織化能力を保持し、かつ理論的にも裏付けされたブラックボックスではない立地モデルを構築することが可能になった。以上本研究は、NNをブラックボックス的に安易に応用するのではなく、その意味を明確にし、かつそれに基づき応用対象により適合したNNへと改良している点において、従来研究と一線を画しており、NNの応用研究の新たな展開方向を示したものと考える。