羽藤）
データ駆動型と知識駆動型に分ける必要性は必ずしもないのではないか.CNNとMNLで分ける必要はないのでは．p.20のところ．
>予測性能は高めた上で政策にどう適応するかを考えるために，分けて定式化している．

林）
T値を求めるときにHessianの逆行列が必要だと思うが，解釈不能パートはHessianを出せないのだとすると，どうするのか？
>解釈不能パートではHessianのサイズ自体が大きくなってしまう．それぞれの重みに対して偏微分することになるため．

白井）
ロジットよりはDNNに近い評価がされていることが多かったと思う．データ駆動型と知識駆動型のそれぞれの貢献度はどれくらいなのか．Dropoutみたいな感じで，過学習を防ぐためにデータを一部抜いているのがL-MNLなのかなと思った．知識駆動型がちゃんと意味があるのか？いくつかの特徴量をDropoutさせた版のDNNと変わらないのでは？
>DNN_Lは知識駆動・データ駆動に入れている変数が全く同じ．考慮できる相関関係の数が異なる．変数とデータの相関関係そのものを見てしまっている．

村山）
離散選択モデルに機械学習を入れるのは自分も卒論でやろうとしていた．ランダム項を一様部分で与えてしまっていいのか？ランダム項は必要なのか？データ駆動がランダム項の代わりを担うのではないか，と思った．p.25
>生成したデータの確定項のばらつきを表現するのがp25緑色の部分．モデルのランダム項は確率分布でやっているはず．
計算が重そうに感じたが，どれくらい時間がかかったかのようなことは書かれていたか？
>ソースコードが公開されているので自分で回してみてほしい．比較していたモデル間では計算時間に有意な差がない．通常のMNLは速いと思うが，NNを一部に含むと遅くなる．時間についての記述は論文のp.243に載っている．

渡邉）
自由バイトの分析の応用性は高そう．展開可能性について
>モデルのアーキテクチャの設定自体に自由度がある．入力についてもいろんなことが考えられると思う．時系列データと親和性が高い．