リカレント ニューラル ネットワーク (RNN) は、ノード間の接続がサイクルを形成できるニューラル ネットワークのクラスです。このサイクルによってフィードバック ループが作成され、ネットワークは内部状態またはメモリを維持でき、これは異なるタイム ステップにわたって持続します。これが、一方向の入力のみを処理し、内部状態を持たないフィードフォワード ニューラル ネットワークなどの他のニューラル ネットワークと区別される RNN の重要な機能です。
RNN は、言語モデリング、時系列予測、音声認識など、コンテキストや連続情報が重要なタスクに特に役立ちます。以前の入力からの情報を保持できるため、RNN は現在の入力だけでなく、データのシーケンス全体に基づいて、より情報に基づいた予測を行うことができます。
対照的に：
オプション A (データを並列に処理する) は不正解です。RNN は通常、データを並列ではなく順次に処理するためです。
オプション B (主に画像認識タスクに使用されます) は不正解です。画像認識は RNN ではなく、畳み込みニューラル ネットワーク (CNN) と関連付けられることが多いためです。
オプション D (内部状態を持たない) は不正解です。内部状態を持つことが RNN の定義特性だからです。
このフィードバック ループは RNN の動作の基本であり、過去の入力を「記憶」して将来の出力に影響を与えることで、RNN がデータのシーケンスを効果的に処理できるようにします。このメモリ機能により、RNN は連続データや時間依存データを含むアプリケーションで強力なものになります。