G検定 用語解説
リカレントニューラルネットワーク（RNN）とは
ある時刻の中間層の状態を次の時刻の入力として再び取り込む再帰構造を持ち、文章や音声のような前後関係のある系列データを扱うのに適したネットワーク。
まず押さえる結論
リカレントニューラルネットワーク（RNN）は、G検定の「大項目5 ディープラーニングの要素技術」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×CNN（画像・畳み込み/プーリング）とRNN（時系列・系列データ）の使い分け。
×LSTMとGRUのゲート数の混同（LSTM＝3ゲート＋記憶セル、GRU＝2ゲートに簡略化）。
×最適化手法の取り違え（モメンタム＝慣性、AdaGrad/RMSProp＝適応学習率、Adam＝両方）。GAN・VAE・拡散モデルの生成方式の違い。
関連する確認問題
大項目5 ディープラーニングの要素技術 / 再帰型ニューラルネットワーク
ある時刻の中間層の状態を次の時刻の入力として再び取り込む構造を持ち、文章や音声のような前後関係のある可変長の系列データを扱うのに適したニューラルネットワークはどれか。
正解は「リカレントニューラルネットワーク（RNN）」である。RNNはある時刻の中間層の状態を次の時刻の入力として再び取り込む再帰構造を持ち、文章や音声のような前後関係のある可変長の系列データを扱うのに適する。CNNは画像など空間的データの特徴をフィルタで抽出するモデル、GANは生成器と識別器を競わせてデータを生成するモデル、VAEは確率的な潜在変数を介して符号化・生成を行うモデルであり、いずれも時刻をまたいで中間層の状態を再帰的に渡す構造を本質としない。設問は「前の時刻の状態を次の時刻に取り込む再帰構造」を問うており、これに該当するのはRNNだけである。
同じ章で確認したい用語
到達チェック
- リカレントニューラルネットワーク（RNN）を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、リカレントニューラルネットワーク（RNN）に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）