---
title: "エルマンネットワークとは？RNNの基本構造【G検定対策】"
description: "エルマンネットワークRNNの基本構造について、G検定で問われる自然言語処理・系列データ分野の観点から、系列データを扱う仕組み、学習目的、代表モデルとの関係を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/elman-network/"
section: "gk"
---

## まず結論
- **エルマンネットワークとは、中間層（隠れ層）の出力を次時刻の入力として再利用することで、時系列情報を保持できる再帰型ニューラルネットワーク（RNN）の一種である。**
- G検定では「**どこを再帰させているか**」が問われる。

## 直感的な説明
エルマンネットワークを一言でいうと、

> **「直前の考えを少し覚えたまま次を考えるネットワーク」**

です。

普通のニューラルネットワークは  
- 毎回入力を独立に処理します。

一方、エルマンネットワークは  
- **1つ前の中間層の状態をメモリとして使う**

👉 だから **時系列データ** を扱えます。

## 定義・仕組み
### 定義
- RNN（再帰型ニューラルネットワーク）の初期的構造の一つ
- 隠れ層の出力を **コンテキスト層** にコピーし、次時刻の入力に加える

### 構造のポイント
- 再帰しているのは **中間層（隠れ層）**
- 出力層は再帰に使わない

重要：
- フィードフォワード型ではない
- 時系列情報を保持できる

## いつ使う？（得意・不得意）
### 得意な場面
- 簡単な時系列データ
- 音声・文字列の初期的モデル
- RNNの概念理解

### 不得意・注意点
- 長期依存関係に弱い（勾配消失）
- LSTMやGRUに比べ性能は低い
- 現代の実用モデルではあまり使われない

## G検定ひっかけポイント
ここが今回の誤答ポイントです。

### よくある誤解
- ❌「フィードフォワード型で時系列に不向き」
- ❌「出力層を再帰させる」
- ❌「深層学習専用モデル」

### 正しい判断基準
- **中間層を再帰 → エルマン**
- **出力層を再帰 → ジョルダン**
- **再帰なし → フィードフォワード**

問題文に  
「中間層の出力を再利用」  
とあれば **エルマンネットワーク**。

## ジョルダンネットワークとの違い（超頻出）
- **エルマンネットワーク**  
　→ 中間層を再帰  
- **ジョルダンネットワーク**  
　→ 出力層を再帰  

👉 **「どこを戻すか」だけ見る**

## まとめ（試験直前用）
- エルマンネットワークはRNN
- 中間層の出力を再利用
- 時系列データを扱える
- フィードフォワードではない
- ジョルダンとの違いに注意