30秒でわかる要点
時系列データや自然言語のような順序のあるデータを処理するためのネットワーク。過去の情報を内部状態として保持する。長期の依存関係を学習するのが困難（勾配消失問題）。
「RNN（再帰型ニューラルネットワーク）」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1再帰型ニューラルネットワーク（RNN）が系列データに適した理由として最も適切なものはどれか。
- 隠れ状態を通じて過去の情報を保持し、時系列データの依存関係を学習できること
- RNNは全く系列データに対応できない
- 時系列データは機械学習では不要
- フィードフォワードニューラルネットワークが系列処理に最適
答えと解説を見る
正解：A
RNNは隠れ状態h_tを反復更新。h_t = f(x_t, h_{t-1})により時間情報を保持。LSTM、GRUは長期依存関係の学習を改善。言語モデリング、機械翻訳で実用。B、C、Dは誤り。
Q2RNN（Recurrent Neural Network）の特徴として正しいものはどれか。
- ネットワークが時刻tの出力を時刻t+1の入力として使用し、時系列情報を処理
- 全てのタイムステップで独立に処理される
- 前後の情報を同時に処理不可
- 活性化関数は不要である
答えと解説を見る
正解：A
RNNは内部状態を保持し、前の時刻の情報を活用することで、時系列パターンや依存関係を学習できます。
Q3逐次ニューラルネットワーク（Recurrent Neural Network, RNN）が時系列データに適した理由は何か。
- 隠れ層の出力が入力層に再帰的にフィードバックされ、過去の情報を保持して次の予測に活かすことができる
- 任意の長さのシーケンスを処理できる構造的制限がない
- フィードフォワード構造でありながら時系列を学習できる
- 外部メモリを使用した唯一の手法である
答えと解説を見る
正解：A
RNN は隠れ状態を時間ステップで更新し、過去の情報をメモリに保持。時系列依存性を捉える。B は課題あり（勾配消失）、C は矛盾、D は誤り。
深層学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
深層学習の練習問題を解く