回帰結合層の理解

問題

回帰結合層（Recurrent Connection）について、以下の記述のうち誤りを1つ選べ。

回帰結合層（Recurrent Connection）は、時系列データ（音声、テキスト、株価など「順序」に意味があるデータ）を扱うためのニューラルネットワークであるRNN（リカレントニューラルネットワーク）の中核となる構造です。

入力データだけでなく、「一つ前の時刻の自分自身の隠れ層の出力（内部状態）」を記憶し、現在の入力と合わせて次の処理に利用します。

これにより、ネットワークが過去のコンテキスト（文脈）を保持しながら情報を処理できるようになります。

1. 回帰結合層は過去の出力を次の入力として利用する。

正しい：ある時点 $t$ での隠れ層の出力を、次の時点 $t+1$ の自分自身の隠れ層への入力としてループ（回帰）させる構造を持っています。

2. 回帰結合層は時系列データや文章など順序のあるデータに適している。

正しい：過去の情報を引き継ぎながら処理できるため、単語の並び（文章）や音声の波形など、データの「順番・文脈」が重要なタスクに最適です。

3. 回帰結合層は入力と出力が完全に独立しており、過去の情報を保持しない。

誤り：入力と出力が独立しているのは通常の順伝播型ネットワーク（CNNやMLP）です。回帰結合層はまさに「過去の情報を保持・依存させる」ための仕組みです。

4. 回帰結合層は音声認識や自然言語処理でよく使われる。

正しい：自然言語処理（機械翻訳、文章生成）や音声認識など、時系列モデリングが必須の分野で標準的に使われてきたアーキテクチャです。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ