↑: [[G検定に関する知識]] - 時系列・系列データを扱うために設計されたニューラルネットワーク - 自分の出力（または隠れ状態）を次の時刻の入力として再び受け取る**回帰結合（循環結合）**を持つ - 内部に**隠れ状態**（記憶）を保持し、過去の情報を引き継ぐ - 対象データ: 自然言語、音声、金融データ、センサーデータなど「並び替えると意味が変わる」系列データ - 古典的な種類: エルマンネットワーク（隠れ層→隠れ層）、ジョルダンネットワーク（出力層→隠れ層） - 課題: 長い時系列では**勾配消失・勾配爆発**が起きやすく、長期依存関係の学習が困難 - cf. [[LSTM-G検定]], [[GRU-G検定]], [[BPTT-G検定]], [[双方向RNN]]