問題 No.5262
自然言語処理や時系列データの解析において、通常のリカレントニューラルネットワーク（RNN）の構造を拡張し、入力系列に対して順方向の隠れ層と逆方向の隠れ層の双方を持たせることで、過去の情報だけでなく未来の情報も考慮した予測や特徴抽出を可能にするアーキテクチャの名称は何か。
【正解の解説】
Bidirectional RNN
文章を読むときに、文末まで読んでから「あ、そういうことね」と文頭の意味を理解し直す人間の脳の働きに似ています。通常のRNNが過去の情報しか見られないのに対し、Bidirectional RNNは前後の文脈を同時に網羅できるため、文章の穴埋めや機械翻訳の精度が劇的に向上するという強力なメリットがあります。
スポンサーリンク
【その他の選択肢の解説】
Recurrent CNN
試験ではRNNの様々な派生形が出題されるため名前が似ている用語に惑わされがちですが、本問の核心は「双方向（Bidirectional）」にあるため、CNNの要素が主役であるかのようなこの選択肢は誤りとなります。
Convolutional RNN
画像認識が得意なCNNと時系列が得意なRNNを組み合わせるアプローチ自体は存在しますが、文脈を未来方向へも遡って処理する「双方向性」を意味する用語ではないため、目的とするアーキテクチャとは完全に別物です。
Autoencoder RNN
オートエンコーダはデータの次元削減やノイズ除去に使われる教師なし学習の枠組みであり、時系列の未来予測において双方向の隠れ層を持つ本問のモデルの本質的な機能とは役割が大きく異なります。