| Shimokawa Lab. + Research + Modeling DM | | top | | research | | publication | | lab. |
Research + Modeling Decision Makings |
意思決定をモデリングする際には様々な問題があります．
@非線形性 人々の意思決定は一般に様々な容認が複雑に絡み合った結果です．統計モデリングの際にも，より精緻なものにするには，このような関係を表すことができるものでなくてはいけません． A効用の非定常性 経済学においてよく用いられる仮定とは異なり，一般に人間の意思決定において，効用関数や意思決定ルールは定常性を持ちません． B個人差の問題 また精緻な意思決定モデルを構築するには，大きな個人差をどのように処理するのかが非常に大きな問題となります． Cマルチモーダルな生体情報測定，多様な要因の処理 生体情報の意思決定予測に対する有用性を高めるには，多様な測定器による測定を同時に行い総合的に判断することが重要になります（マルチモーダル測定）． |
|||
@ 非線形モデリング |
意思決定の非線形に対応するために，意思決定予測モデルとしては，ニューラルネットやベクターマシン，それらのアンサンブルを用いています．主に階層ベイズ法によりこれらのモデルのパラメータおよびハイパーパラメータを推定しています．モデルの評価には，ハイパーパラメータ周辺尤度（これはAkaikeの bayesian information criteria（ABIC）に対応する量でもある）を用います． このような意思決定予測モデルを用い，脳情報も予測ファクターとすることで，被験者の意思決定に関する予測精度を飛躍的に向上させることができます．
|
|||
A 効用の非定常性 |
経済学においてよく用いられる仮定とは異なり，一般に人間の意思決定において，効用関数や意思決定ルールは定常性を持ちません．
私たちは代表的ないくつかの意思決定モデルと予測変数（生体情報を含む）の組み合わせによる予測器を750作成し，リアルタイムでアンサンブル学習を行うことで，意思決定ルールの非定常的な過程をトレースしました．採用されるモデルの分布により，意思決定のレジームスイッチを可視化したものが左図です． 
|
|||
B 個人差の問題 |
精緻な意思決定モデルを構築するには，大きな個人差をどのように処理するのかが非常に大きな問題です．下図は同様の分析によって，被験者ごとにどのように適合する意思決定モデルが異なるかを可視化したもです．
|
|||
C マルチモーダルな生体情報測定，多様な要因の処理 |
生体情報は些細な刺激に反応してしまうという脆弱性を持っています．また個人差も大きく，採用するデコード手法にも依存します．これらの欠点を回避するための一つの有力な方法が，多様な測定器による測定を同時に行い総合的に判断することです（マルチモーダル測定）．
これにより予測精度は大幅に向上させることができます。しかしその一方において，Big Dataを解析する必要性が生じます．リアルタイムシステムを製作する際には，この制約は非常に大きいものとなります． 
|
|||