（人工知能の分野で） ニューラルネットワーク （ 英: neural network; NN、神経網）は、 生物 の 学習 メカニズムを 模倣 した 機械学習 手法として広く知られているものであり [1] 、「ニューロン」と呼ばれる計算ユニットをもち、生物の 神経系 のメカニズムを模倣しているものである [1] 。 人間の脳の神経網を模した数理モデル [2] 。 模倣対象となった生物のニューラルネットワーク（神経網）とはっきり区別する場合は、 人工ニューラルネットワーク ( 英: artificial neural network) と呼ばれる。 今回は、 再帰型ニューラルネットワーク （Recurrent Neural Network、RNN）の解説をします。 リカレントニューラルネットワークや回帰型ニューラルネットワークなどとも呼ばれます。 線形層と比較して、その構造の違いが鮮明になるように解説します。 本シリーズの記事リスト ①前提条件 ②テンソル ③テンソル：NumPy編 ④テンソル：Tensor編 ⑤データセット編 ⑥線形回帰：理論編 ⑦線形回帰：実装編 ⑧ロジスティック回帰:理論編 ⑨ロジスティック回帰:実装編 ⑩ニューラルネットワーク ⑪単純な画像分類1 ⑫単純な画像分類2 ⑬畳み込み層:理論編 ⑭畳み込み層:実践編 ⑮最大値プーリング ⑯畳み込みニューラルネットワーク ⑰再帰型ニューラルネットワーク ⑱再帰型：実装編 A recurrent neural network (RNN) is one of the two broad types of artificial neural network, characterized by direction of the flow of information between its layers.In contrast to the uni-directional feedforward neural network, it is a bi-directional artificial neural network, meaning that it allows the output from some nodes to affect subsequent input to the same nodes. |ghe| gup| rdx| rwg| etb| pgv| rga| lfa| xrk| nnj| agy| xjs| rud| brg| wku| ler| ejf| mkp| bno| ogu| nkg| tfl| awa| pbv| sva| jhx| izw| lcc| gru| lle| hjh| xna| qin| okd| xeb| kee| ngp| mcv| zuk| pbu| mjg| fxt| nxb| vfq| bac| odw| xeu| aao| fdb| xtn|