抄録
近年, 階層型ニューラルネットワーク (LNN) は分類, 予測等のモデリングの分野に頻繁に利用されている。しかし, これらの応用研究の多くは, LNN分類モデルが従来の統計的分類モデルといかなる関係にあるのかを議論しない, いわゆるブラックボックス的応用に留まっている。本研究では, LNNをリモートセンシング画像等の分類の問題に適用することを前提に, これに従来手法との対比から一つの理論的意味解釈を与える。まず, 既存の研究成果を踏まえ, LNN分類とベイズ分類の関係を明示する。そして, これを発展させ, エントロピー最大化原理に基づいてLNNを特徴づけるニューロンの応答関数型の一般化を試み, シグモイド関数を応答関数とする一般的なLNN分類モデルの意味解釈, さらにはLNN分類モデルとロジットモデルとの関係などを議論する。
