理論ベース残差ニューラルネットワーク:離散選択モデルと深層ニューラルネットワークの相乗作用【JST・京大機械翻訳】

Wang Shenhao; Mo Baichuan; Zhao Jinhua

プレプリント

J-GLOBAL ID：202202206313980687 整理番号：22P0202938

理論ベース残差ニューラルネットワーク:離散選択モデルと深層ニューラルネットワークの相乗作用【JST・京大機械翻訳】

Theory-based residual neural networks: A synergy of discrete choice models and deep neural networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年10月22日プレプリントサーバーでの情報更新日： 2020年10月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

研究者は,しばしば,旅行行動解析における2つの異種または矛盾する方法として,データ駆動および理論駆動モデルを扱う。しかし,2つの方法は,データ駆動法がより予測可能であるが,より解釈不可能でロバストであるが,理論駆動法はより解釈可能でロバストであるが,予測が少ないため,非常に相補的である。それらの相補的性質を用いて,本研究は,それらの共有効用解釈に基づいて,離散選択モデル(DCM)と深層ニューラルネットワーク(DNN)を協力する,理論ベースの残差ニューラルネットワーク(TB-ResNet)フレームワークを設計した。TB-ResNetフレームワークは,DCMsの単純さとDNNの豊かさを利用するために(δ,1-δ)重み付けを使用し,DCMsとDNNsからの過剰適合を防ぐため,単純である。また,このフレームワークは柔軟である:TB-ResNetの3つのインスタンスは,多項ロジットモデル(MNL-ResNets),展望理論(PT-ResNets),および双曲線割引(HD-ResNets)に基づいて設計され,3つのデータセットでテストされる。純粋なDCMと比較して,TB-ResNetはより大きな予測精度を提供し,TB-ResNetsにおけるDNN成分によって増大した効用関数により,より豊富な行動メカニズムを明らかにした。純粋なDNNと比較して,TB-ResNetは,TB-ResNetにおけるDCM成分が効用関数と入力勾配を安定化させるので,予測とロバスト性を著しく改良し,解釈とロバスト性を著しく改善できる。全体として,本研究は,TB-ResNetフレームワークの下でそれらのユーティリティ仕様を結合することによって,DCMとDNNを協力するのが実行可能で望ましいことを示した。いくつかの限界が残っているが,このTB-ResNetフレームワークは,予測,解釈,およびロバスト性における共同改善と共に,旅行行動モデリングのためのDCMとDNNの間の相互利益を作り出すための重要な第一段階である。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , ニューロコンピュータ , パターン認識

, , , , ,

前のページに戻る