複雑システムにおけるネットワーク中心性が予測精度に与える影響

概要

論文の詳細を見る
自然界に存在する複雑システムを分析するために,それを簡潔に模擬したCoupled Map Lattice(CML)やGlobal Coupled Map(GCM)などのモデルが広く研究されている.本研究では,近年注目されている複雑ネットワーク科学の知見を取り入れるべく,CMLをD.Wattsらが提案したWSモデルを用いて構成した.これにより,従来のCMLのネットワーク構造はレギュラーネットワークが主流であったが,スモールワールドネットワークやランダムネットワークにおいても,複雑システム全体の振舞いや力学的構造を分析できる.さらに,ネットワークを構成する各要素は,ネットワーク上の位置に応じて,システム全体から受ける影響の仕方が異なる.本研究では,ネットワーク上の位置として,ネットワーク中心性の概念に注目し,各要素の振舞いや力学的構造の特徴を分析した.また,株価変動の予測など,複雑システムを構成する要素の将来変動を予測する場合,システム全体からの影響の受け方に応じて,予測難易度や最適な予測モデルが異なる可能性がある,本研究では,一般の複雑システムにおいて,ネットワーク中心性が予測難易度に影響を与えることを示すために,先に述べたネットワーク構造を可変できる改良CMLを用いて検証した.
2008-03-04