土台
RNN（再帰型ニューラルネットワーク）とは？意味・仕組みをわかりやすく解説
あーるえぬえぬ / Recurrent Neural Network ／ 最終更新日：2026年7月7日
30秒でわかる定義
RNN（再帰型ニューラルネットワーク）とは、系列データ（文章・音声・時系列など）を扱うために、前の時刻の出力を次の入力に渡して「記憶」を持たせた深層学習モデルです。文脈を順番に処理できるため、かつては自然言語処理や音声認識の主力でした。
仕組み・基本の流れ
- 1系列データを1要素ずつ順番に入力する
- 2各時刻で、現在の入力と『前の時刻の隠れ状態（記憶）』を組み合わせて出力を計算する
- 3隠れ状態を次の時刻へ引き継ぎ、文脈を反映させる
- 4長い系列では勾配消失が起きやすいため、LSTMやGRUといった改良版が使われる
実務でのポイント：長い系列で過去の情報が薄れる『勾配消失』が課題で、LSTM・GRUがこれを緩和しました。さらに並列処理ができず学習が遅いため、現在の自然言語処理は並列計算できるTransformerが主流です。ただし系列処理の考え方の基礎としてRNNの理解は重要です。
関連する用語
このスキルを活かせる職種と年収は？
RNN/LSTMの理解は、時系列予測や音声・センサーデータを扱う案件の基礎です。現在はTransformerが主流ですが、系列モデリングの考え方はMLエンジニアの土台として問われます。
よくある質問
Q. RNNとTransformerの違いは？
A. RNNは系列を1要素ずつ順番に処理して記憶を引き継ぐのに対し、Transformerはアテンションで系列全体を並列に処理します。Transformerは並列計算で高速・長文に強く、現在の自然言語処理の主流です。RNNは軽量な時系列処理などで今も使われます。
Q. LSTMとは何ですか？
A. LSTM（Long Short-Term Memory）は、RNNの弱点である『長い系列で過去の情報が薄れる（勾配消失）』を、ゲート機構で情報の保持・忘却を制御して緩和した改良版RNNです。GRUも同様の目的の軽量な派生です。