本論文では、フィードフォワードニューラルネットワーク(FNN)のモデル選択に関する新しい手法を提案している。FNNはある種の非線形回帰モデルとみなすことができ、統計モデリングの文脈で考えることができる。しかし、従来のニューラルネットワーク研究は統計学の分野外で行われてきたため、モデル選択に関する統計的な手法が十分に検討されていない。
提案手法では、ベイズ情報量基準(BIC)を目的関数として使用し、入力層と隠れ層の構造を順次選択する。まず隠れ層の構造を選択し、次に入力層の構造を選択する。その後、さらなる改善のためにステップワイズの微調整を行う。
シミュレーション研究により、提案手法がAICやOut-of-Sampleの予測誤差を目的関数とする手法に比べて、真のモデル構造を高い確率で回復できることが示された。また、提案手法は予測性能も良好に保ちつつ、より簡潔なモデルを選択できることが明らかになった。
実データ分析の結果からも、提案手法が有用であることが確認された。入力変数の重要性の評価や変数効果の推定など、統計的な解釈も可能となっている。
To Another Language
from source content
arxiv.org
Głębsze pytania