データマイニングにおけるフィードフォワード型とフィードバック型システムの違いとは？

はじめに

ニューラルネットワークのアーキテクチャは、大きく「フィードフォワード型」と「フィードバック型」の2つに分類できます。両者は信号の流れる方向や構造の性質が根本的に異なり、それぞれ異なる用途に適しています。本記事では、データマイニングの観点から、この2つのシステムの違いを詳しく解説します。

フィードフォワードネットワークとは

フィードフォワードニューラルネットワークでは、信号が入力から出力への一方向のみを流れます。フィードバック（ループ）は存在せず、ある層の出力が同じ層に影響を与えることはありません。フィードフォワードネットワークは、入力と出力を関連付ける比較的シンプルな構造を持つネットワークであり、パターン認識の分野で広く活用されています。この種の構造は、「ボトムアップ型」または「トップダウン型」とも呼ばれます。

隠れ層の構造

入力層のユニットからの重み付き出力は、隠れ層と呼ばれる第2層のニューロンユニットに同時に入力されます。隠れ層の重み付き出力は、さらに次の隠れ層への入力となり、これが順に繰り返されます。隠れ層の数は任意に設定でき、通常は1層が使用されます。

最後の隠れ層の重み付き出力は、出力層を構成するユニットへの入力となり、与えられたサンプルに対するネットワークの予測値を出力します。隠れ層および出力層のユニットは、その生物学的な由来にちなんで「ニューロード（neurode）」と呼ばれることもあります。隠れユニットを介した線形閾値関数による多層フィードフォワードネットワークは、任意の関数を極めて高い精度で近似できることが知られています。

フィードバックネットワークとは

フィードバックネットワークでは、ネットワーク内部のループによって、信号が双方向に流れることが可能です。フィードバックネットワークは非常に動的な性質を持ち、きわめて複雑な構造になりえます。その状態は平衡点に到達するまで絶えず変化し続けます。

一度平衡点に達すると、その状態にとどまりますが、新たな入力が与えられると、新しい平衡点を見つけ出す必要が生じます。フィードバック型アーキテクチャは、「インタラクティブ型」や「リカレント型（再帰型）」とも呼ばれますが、この用語が個々の層構造内のフィードバック接続を意味する場合もあります。

ディープラーニングにおける応用

大規模なデータベースを活用してディープニューラルネットワークアルゴリズムの精度を向上させるには、行動研究のためのデータ生成とAI学習のモデルが不可欠です。一般的に、ユーザーの疾病情報が含まれる場合には臨床データが使用されます。しかし、臨床データが不正確であれば、予測結果も不正確になってしまいます。

さらに、臨床データ以外のユーザーの行動や活動に関する情報が反映されていない場合、時間とともに変化するユーザーの状況に応じた時系列データを入力値として用いることで、より正確な予測を実現する必要があります。

ディープニューラルネットワークアルゴリズムにおけるフィードバックモデルには、元のフィードバックモデルと、その結果を再現する二次フィードバックモデルが含まれます。この二段階の構造により、動的に変化するデータへの対応力が高まります。

まとめ

フィードフォワード型は一方向の信号伝播によるシンプルで安定した構造が特徴で、パターン認識などの静的なタスクに適しています。一方、フィードバック型は双方向の信号伝播と動的な状態変化を特徴とし、時間変化するデータや複雑なシステムのモデリングに向いています。目的やデータの性質に応じて、適切なアーキテクチャを選択することが重要です。