---
title: "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】"
description: "ジョルダンネットワークとElmanネットワークの違いについて、G検定で問われるAI・機械学習分野の観点から、目的、前提、モデル構造、入力と出力、評価観点のどこが異なるかを比較します。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/jordan-vs-elman/"
section: "gk"
---

## まず結論
- **ジョルダンネットワークは「出力層」を、Elmanネットワークは「隠れ層」を次時刻にフィードバックするRNN**である。
- G検定では「**どこを戻しているか**」だけを見れば正解できる。

## 直感的な説明
2つの違いはとてもシンプルです。

- **ジョルダンネットワーク**  
  👉 前回の「答え」を覚える
- **Elmanネットワーク**  
  👉 前回の「途中状態」を覚える

つまり、
- **結果を覚えるか**
- **思考途中を覚えるか**

の違いです。

## 定義・仕組み
### ジョルダンネットワーク（Jordan Network）
- 再帰型ニューラルネットワーク（RNN）の一種
- **出力層の値**を次時刻の隠れ層入力として使用
- 過去の出力結果を状態として保持

特徴：
- 出力依存の時系列処理
- 構造が直感的
- 長期依存関係は苦手

### Elmanネットワーク（Elman Network）
- 再帰型ニューラルネットワーク（RNN）の一種
- **隠れ層の値**を次時刻の隠れ層入力として使用
- 内部状態（コンテキスト）を保持

特徴：
- 内部表現を記憶
- Jordanより一般的
- LSTM/GRUの原型的存在

## いつ使う？（得意・不得意）
### ジョルダンネットワークが向く場面
- 過去の出力が重要な系列処理
- シンプルな時系列モデル

### Elmanネットワークが向く場面
- 時系列データ全般
- 内部状態を使った表現学習
- より一般的なRNN用途

### 共通の注意点
- 勾配消失問題が起きやすい
- 長期依存関係は苦手
- 実務ではLSTM/GRUが主流

## G検定ひっかけポイント
G検定では、次の混同を狙ってきます。

### よくある誤解
- ❌「JordanとElmanは同じ」
- ❌「どちらもTransformer系」
- ❌「CNNの一種」

### 正しい判断基準（超重要）
- **出力を戻す → ジョルダン**
- **隠れ層を戻す → Elman**

問題文に  
「前回の出力を入力として使用」  
とあれば **ジョルダンネットワーク**。

「前回の隠れ層の状態を保持」  
とあれば **Elmanネットワーク**。

## まとめ（試験直前用）
- 両方ともRNN
- 違いはフィードバック元
- Jordan：出力層
- Elman：隠れ層
- 「どこを戻すか」で即判断