RNN (Recurrent Neural Network)は、時系列データを処理するためのニューラルネットワークの一種です。RNNは、入力データに対して再帰的に処理を行うことができるため、時系列データやシーケンシャルデータなどを扱うことができます。
RNNは、時系列データに対して、過去の情報を記憶し、それを元に現在の出力を生成することができます。これにより、時間的な依存関係を捉えることができるため、自然言語処理や音声認識などのタスクに適しています。
RNNは、再帰的な構造を持ちます。それは、各時間ステップでの出力が次の時間ステップの入力になるという構造を持っています。
一般的なRNNは、以下のような構造を持ちます:
入力層: 各時間ステップでの入力データを受け取ります。
隠れ層: 再帰的な構造を持ち、過去の情報を記憶します。
出力層: 各時間ステップでの出力データを生成します。
RNNには、複数の種類が存在し、それぞれ特徴があります。例えば、一般的に使用されるのは、シングルレイヤーのRNN、LSTM (Long Short-Term Memory)、GRU (Gated Recurrent Unit)などがあります。
LSTMは、RNNの中でも特に長期的な依存関係を捉えることができる構造を持ちます。GRUは、LSTMよりも少ないパラメータを持ちながら、同様のパフォーマンスを発揮することができます。