リカレントニューラルネットワーク（RNN）

リカレントニューラルネットワーク（RNN, Recurrent Neural Network）とは、時系列データや自然言語のような順序を持つデータを扱うために設計されたニューラルネットワークの一種です。 通常のニューラルネットワークが入力と出力を1対1で処理するのに対し、RNNは「過去の出力（状態）」を内部的に保持しながら、系列全体を順番に処理する構造を持ちます。 この「時間的な情報の伝播」が可能な構造により、RNNは以下のような課題に適しています： • テキストの文脈理解（自然言語処理） • 音声や音楽などの連続的なデータ処理 • センサーデータの解析や予測 • 時系列データの異常検知や分類 RNNの主な仕組みは、各時点の出力が次の時点の入力にフィードバックされるループ構造にあり、この構造が「記憶」の役割を果たします。 しかし、標準的なRNNは長期的な依存関係を学習するのが難しく、「勾配消失問題（vanishing gradient）」により性能が制限されるという課題がありました。 この課題を解決するために、LSTM（Long Short-Term Memory） や GRU（Gated Recurrent Unit） などの改良型アーキテクチャが登場し、より複雑な時系列処理が可能になりました。 現在では、Transformer系モデル（BERT、GPTなど）が主流になってきたものの、RNNはモデル構造がシンプルで計算コストも低いため、軽量なデバイスやリアルタイム処理の用途などで依然として利用されています。