RNN（れいんえぬえん）
最終更新：2026/4/25
RNNは、再帰型ニューラルネットワークの略であり、系列データの処理に適した深層学習モデルである。
別名・同義語 再帰型ニューラルネットワークRecurrent Neural Network
ポイント
RNNは、過去の情報を記憶し、現在の入力と組み合わせて処理することで、文脈を考慮した予測を可能にする。
RNNとは
RNN（Recurrent Neural Network、再帰型ニューラルネットワーク）は、時系列データや自然言語処理など、系列データの扱いに特化したニューラルネットワークです。従来のニューラルネットワークが独立したデータポイントを処理するのに対し、RNNは内部に記憶を持ち、過去の情報を考慮しながら現在の入力を処理します。
RNNの構造
RNNの基本的な構造は、入力層、隠れ層、出力層から構成されます。隠れ層は、再帰的な接続を持つことが特徴です。この再帰的な接続により、過去の隠れ層の状態が現在の隠れ層の状態に影響を与え、系列データの時間的な依存関係を捉えることができます。
RNNの種類
RNNには、いくつかの種類があります。
- Elman RNN: 最も基本的なRNNの構造。
- Jordan RNN: 出力層からのフィードバックを隠れ層に与える構造。
- LSTM (Long Short-Term Memory): 長期的な依存関係を学習する能力に優れたRNN。
- GRU (Gated Recurrent Unit): LSTMを簡略化した構造で、計算コストが低い。
RNNの応用例
RNNは、以下のような様々な分野で応用されています。
- 自然言語処理: 機械翻訳、文章生成、感情分析、テキスト分類など。
- 音声認識: 音声データをテキストに変換。
- 時系列予測: 株価予測、天気予報、需要予測など。
- 画像認識: 画像キャプション生成、動画解析など。
RNNの課題
RNNは、勾配消失問題や勾配爆発問題といった課題を抱えています。これらの問題を解決するために、LSTMやGRUなどの改良されたRNNが開発されています。