双方向RNN

双方向 RNN (Bidirectional RNN)

解説：未来をカンニングして答えを出す

双方向 RNN（Bidirectional RNN）は、データの時間を「過去から未来（順方向）」へ読むだけでなく、「未来から過去（逆方向）」へも同時に読むことで、文脈をより深く理解するモデルです。

通常のRNNは、文章を前から順番に読むことしかできません。しかし、言葉の意味は「後ろの単語」によって決まることがよくあります。

仕組み：2人の担当者がサンドイッチする

双方向RNNの中身は、実は「2つの独立したRNN」で構成されています。

1. 順方向（Forward）RNN：「私は」→「バンク」→「お金」…と読む。
2. 逆方向（Backward）RNN：「下ろした」→「お金」→「バンク」…と読む。

最後にこの2人の出力結果をガチャンと結合（Concatenate）することで、過去と未来の両方の情報を考慮した最強の答えを出します。

唯一の弱点：リアルタイム処理

非常に高性能ですが、「文章の最後まで読み終わらないと、逆方向の処理がスタートできない」という弱点があります。

G検定対策

出題ポイント

• 構造：順方向と逆方向、2つのRNNを組み合わせて出力を結合するモデルである。
• 利点：ある時点の予測に、その「前後」の情報を利用できるため、機械翻訳や文章分類などで精度が高い。
• 制約：データ全体が最初から揃っている（バッチ処理可能な）タスクに向いている。

ひっかけ対策

• × リアルタイムの音声認識に最適である
  （解説）「未来の音声」はまだ聞こえていないため、リアルタイム処理には使えません（※数秒遅延させるなら可能です）。
• × RNNよりも計算量が少ない
  （解説）順方向と逆方向の2回計算するため、単純計算で計算量は約2倍になります。

PICK UP

G検定の計算問題は「捨てる」が正解？これだけ抑えてコスパよく合格しよう

「G検定の公式テキストを開いたけど、数式が出てきた瞬間に閉じたくなる」 「文系だし数学は苦手。計算問題は全部捨てても合格できる？」 G検定の勉強を始めると、多くの人が「計算問題」の壁にぶつかります。ディープラーニングの理 […]

記事を読む