ジョルダンネットワーク（Jordan Network）はを理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk neural_network rnn

G検定トップ ＞ ジョルダンネットワーク（Jordan Network）とは？【RNNの基本構造｜G検定対策】

まず結論

  • ジョルダンネットワーク（Jordan Network）とは、出力層の値を次時刻の隠れ層への入力としてフィードバックする再帰型ニューラルネットワーク（RNN）である。
  • G検定では「どこをフィードバックしているか」が問われる。

直感的な説明

ジョルダンネットワークは、
「前回の“答え”を、次の判断材料にするRNN」です。

  • ある時刻で出した出力
  • それを次の時刻の入力として使う

👉 過去の出力を覚えて処理する
これがジョルダンネットワークの特徴です。

定義・仕組み

ジョルダンネットワークは RNN（再帰型ニューラルネットワーク）の一種です。

構造のポイント：

  • 通常のRNN：
    隠れ層 → 次の隠れ層へフィードバック
  • ジョルダンネットワーク：
    出力層 → 次の隠れ層へフィードバック

つまり、

「出力を状態として再利用するRNN」

です。

重要：

  • Transformerベースではない
  • CNNではない
  • 自己符号化器（AE）ではない

いつ使う？（得意・不得意）

得意な場面

  • 時系列データ処理
  • 過去の出力結果が重要な問題
  • 簡単な系列予測

不得意・注意点

  • 長期依存関係の学習は苦手
  • 勾配消失が起こりやすい
  • LSTMやGRUに比べると古典的

G検定ひっかけポイント

この問題は RNN構造の理解を問う典型問題です。

よくある誤解

  • ❌「自己符号化器の一種」
  • ❌「Transformerに基づくモデル」
  • ❌「CNNアーキテクチャ」

正しい判断基準

  • 再帰型（RNN）か？
  • どこからフィードバックしているか？

比較（超重要）

  • Jordan Network：出力層 → 隠れ層
  • Elman Network：隠れ層 → 隠れ層

問題文に
「前回の出力を次の入力として用いる」
とあれば ジョルダンネットワーク。

まとめ（試験直前用）

  • ジョルダンネットワーク＝RNNの一種
  • 出力層をフィードバック
  • 時系列データを扱う
  • CNN・Transformer・AEではない
  • 「出力を戻す」→ Jordan

🔗 関連記事

🏠 G検トップに戻る