最終更新日：2026年9月4日

gk neural_network rnn

G検定トップ ＞ ジョルダンネットワークとElmanネットワークの違いとは？【RNN比較｜G検定対策】

まず結論

ジョルダンネットワークとElmanネットワークは、どちらも過去の情報を次時刻へ引き継ぐ再帰型ニューラルネットワークです。

G検定では、まず次の違いを押さえます。

  • Jordan：前時刻の出力をもとに状態を更新する
  • Elman：前時刻の隠れ層の活性をcontext unitsへコピーする

試験では、

出力側の情報を戻す → Jordan
隠れ層の状態を戻す → Elman

と切り分けると分かりやすいです。

直感的な説明

2つの違いは、「何を記憶として次へ渡すか」です。

  • Jordan：前回の出力結果に関係する状態を次へ渡す
  • Elman：前回の内部状態（隠れ層）を次へ渡す

イメージすると、

  • Jordan：前回どう出力したかを手掛かりに次を考える
  • Elman：前回内部でどんな状態だったかを手掛かりに次を考える

という違いです。

ただし、Jordanを単純に「出力をそのまま次の入力へ入れるだけ」と考えるのは少し不正確です。

定義・仕組み

ジョルダンネットワーク（Jordan Network）

Jordanの1986年のモデルでは、state units（状態ユニット）が系列の文脈を保持します。

この状態は、

  • 前時刻の出力
  • 前時刻の状態

の影響を受けて次時刻へ更新されます。

原典では、出力ユニットから状態ユニットへの再帰結合に加えて、状態ユニット自身への再帰結合も用いられています。

したがって、G検定向けに簡略化すると、

Jordan＝出力側の情報を状態へ戻すRNN

と覚えるのが安全です。

Elmanネットワーク（Elman Network）

Elmanの1990年のSimple Recurrent Networkでは、隠れ層の活性をcontext unitsへ1対1でコピーします。

次の時刻では、

  • 現在の入力
  • 1つ前の隠れ層を保存したcontext

の両方を使って新しい隠れ状態を計算します。

つまり、

Elman＝隠れ層の内部状態を次時刻へ渡すRNN

です。

2つを比較

観点 Jordan Elman
主に戻す情報 出力側の情報 隠れ層の活性
状態・context 前出力と前状態に依存 前隠れ層をコピー
記憶するイメージ 過去の出力履歴 過去の内部表現
G検定でのキーワード output hidden / context

いつ使う？（得意・不得意）

Jordanが向く考え方

  • 過去の出力系列が次の状態に強く関係する問題
  • 出力履歴を文脈として利用したい場合

Elmanが向く考え方

  • 入力系列の時間的文脈を内部状態として保持したい場合
  • 系列データの内部表現を学習したい場合

Elmanの原著では、時系列XORだけでなく、単語系列から統語的・意味的構造を学習する実験にも使われています。

共通の注意点

JordanもElmanも初期のRNNです。

長い時間間隔の依存関係を学習する場合、単純なRNNでは勾配消失・勾配爆発などが問題になりやすく、後にLSTMやGRUなどが広く使われるようになりました。

ただし、JordanやElmanをそのままLSTM/GRUの同義語や直接の構造と考えないことが重要です。

G検定ひっかけポイント

どこから戻す？

❌ Jordan＝隠れ層をcontextへコピー
⭕ それはElman

❌ Elman＝出力側の情報を状態へ戻す
⭕ それはJordan側の特徴

Jordanは「出力をそのまま入力へ戻す」？

❌ 出力値を単純に入力層へコピーするだけ
⭕ 出力の情報をstate unitsへ戻し、前状態と合わせて文脈を保持する

Elmanのcontext units

❌ context unitsは独立に新しい特徴量を学習する層
⭕ 前時刻の隠れ層の活性を保存し、次時刻へ渡す役割

LSTM・GRUとの違い

❌ Jordan / Elman ＝ LSTM / GRU
⭕ どちらもRNN系だが、LSTM・GRUには長期依存を扱いやすくするゲート構造がある

試験中の判断基準

  • output → state/context → Jordan
  • hidden → context → Elman

この2語を見れば、まず選択肢を切れます。

まとめ（試験直前用）

  • JordanとElmanはどちらも初期のRNN
  • Jordan：出力側の情報を状態へ戻す
  • Jordanの状態は前出力＋前状態の影響を受ける
  • Elman：隠れ層の活性をcontextへコピー
  • Elmanではcontextが前時刻の内部状態を保持する
  • G検定では output＝Jordan / hidden＝Elman で切る
  • LSTM・GRUとは別の構造

参考資料（原典）

  • Jordan, M. I. (1986), Serial Order: A Parallel Distributed Processing Approach
  • Elman, J. L. (1990), Finding Structure in Time

次に読むなら

2つのフィードバック元を見分けたら、それぞれの単独記事とRNN全体へ進みます。

🔗 関連記事

© 2024-2026 stemtazoo. All rights reserved.