RNN

AI概念
約1分で読めます

過去の時点の出力をフィードバックすることで順序性のあるデータを処理するディープラーニングのニューラルネットワークで、代表的なものにLSTMやGRUがあります。

別名
再帰型ニューラルネットワークRecurrent Neural NetworkLSTM

詳しい説明

RNN（Recurrent Neural Network、再帰型ニューラルネットワーク）は、時系列やテキストのように順序が重要なデータを処理するディープラーニングの構造です。前の時点の出力を次の時点の入力としてフィードバックすることで、それまでの文脈を記憶します。ただし、基本的なRNNはシーケンスが長くなると遠い過去の情報を忘れてしまう「長期依存性」の問題があるため、これを補完したLSTM（Long Short-Term Memory）やGRU（Gated Recurrent Unit）が広く用いられてきました。音声認識、時系列予測、初期の機械翻訳などに活用されてきましたが、並列処理や長距離の文脈理解に優れたTransformer（トランスフォーマー）が、多くの領域でRNNに取って代わりました。

ツールの選定において重要な理由

時系列予測やセンサーデータの分析ツールにおいては、現在でもRNNやLSTM系が軽量で効率的な選択肢となります。すべてのシーケンシャルデータに対してTransformerが最適とは限らないため、データの長さやリソースの制約を考慮し、ツールの基盤となっているモデルを検討することで、余計なコストをかけずに最適なソリューションを選択できます。

ツールを選定する際のチェックポイント

  • 扱うデータが長すぎないシーケンシャルデータか（RNN系が適しています）
  • リアルタイムかつ低リソース環境で動作する必要があるか
  • 長距離の文脈が重要な場合、Transformerベースのツールと比較したか
  • 予測結果の不確実性や信頼区間も併せて提供されているか

実際の適用例

店舗の日次売上を予測して在庫を調整する需要予測ツールが代表例です。比較的短い時系列データであれば、LSTMベースのモデルでも十分に正確な予測を得ることができ、大規模なTransformerモデルよりも運用コストを低く抑えられます。

関連用語

ディープラーニングトランスフォーマーNLP