Machine learningDeep learning / NLP / CV
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) は、時間ステップ間で情報を伝達する隠れ状態を維持することにより、逐次データを処理するように設計されたニューラルネットワークの一種である。1986年にRumelhartらによって現代的な形式が導入され、1990年にElmanによってさらに形成されたRNNは、アテンションベースのモデルが登場する前に、自然言語処理 (NLP)、音声、時系列分析におけるシーケンスモデリングの主要なアーキテクチャとなった。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
出典
- Elman, J. L. (1990). Finding structure in time. Cognitive Science, 14(2), 179–211. DOI: 10.1207/s15516709cog1402_1 ↗
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536. DOI: 10.1038/323533a0 ↗
このページの引用方法
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/ja/deep-learning/recurrent-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BERTベースの分類深層学習↔ compare
- Gated Recurrent Unit (GRU)深層学習↔ compare
- Long Short-Term Memory (LSTM)深層学習↔ compare
この手法を参照する項目
BERTベースの分類深層強化学習ドメイン適応型リカレントニューラルネットワークエコー状態ネットワーク説明可能なリカレントニューラルネットワークファインチューニングされたGRUファインチューニングされたリカレントニューラルネットワークFine-Tuned Word2VecGated Recurrent Unit (GRU)グラフ注意機構ネットワークLong Short-Term Memory (LSTM)多層パーセプトロン (MLP)多層パーセプトロン (MLP)多言語リカレントニューラルネットワークMultimodal Recurrent Neural NetworkニューラルODE強化学習自己教師あり学習によるWord2Vecトピックモデリングリカレントニューラルネットワークを用いた転移学習Word2Vecによる転移学習ウェーブレットニューラルネットワークWeakly Supervised GRU弱教師ありLSTM弱教師ありリカレントニューラルネットワーク