Up RNN 作成: 2026-07-14
更新: 2026-07-14
AI ＞ NN ＞ RNN

移動覚NN

    RNN を使うべき状況は：
    　　入力が時系列で，
    　　過去の情報が現在の判断に影響する

    RNN は，
    　　｢さっきの入力を覚えながら，次の入力を読む」脳

    1. 入力が「時系列」である
    　時刻 t の入力だけでは意味がなく，
    　過去の連続したデータが意味を持つとき。

    　例：
    　　IMU の加速度・角速度
    　　音声
    　　文章（トークン列）
    　　歩行の関節角度の連続変化
    　　株価の時系列

    2. 過去の情報が現在の判断に影響する
    「いまの値だけでは判断できない」状況。

    　例：
    　　1 秒前の加速度が，いまの速度推定に影響する
    　　直前の単語が，次の単語の意味を決める
    　　直前の足の動きが，次の足の安定性に影響する

    3. 過去の情報を “内部状態” として保持する必要がある
    　RNN は内部に h_t（隠れ状態） を持つ。
    　これは，
    　　　脳が「さっきのこと」を覚えているためのメモリ
    　このメモリがあるから，
    　　　時系列の意味を理解できる。

    　　h_t = f( x_t, h_{t−1} )
    　　　x_t = ( x_t(1), ‥‥, x_t(n) )
    　　t が 100ステップとすると，h_100 が出力。


    RNN が不要な場合
    逆に，次のような場合は RNN は不要：

    　　入力が単発（画像，1 回のセンサ値）
    　　過去の情報が不要
    　　時系列の順序が意味を持たない
    　　｢いまの値だけ｣ で判断できる


    RNN の代表例
    　　LSTM
    　　GRU
    　　Simple RNN