1．基本を理解
読み方・用語解説- 読み方
- りかでんとそう
- 英語名
- Recurrent Layer（Recurrent Connection）
- 提唱者・年代
- RNN（再帰型ニューラルネットワーク）の中核構成。LSTM（1997）で実用化
💡 豆知識——“再帰（Recurrent）”＝自分の前の出力を、また入力に使う——“記憶のループ”。
【セットで覚えたい関連用語】
R
RNN（リカレントNN）リカレント層から成る時系列モデル。L
LSTM／GRU長期依存を扱えるRNNの改良版。シ
シーケンスデータ（No.338）リカレント層が処理する対象。2．意味（定義）と例え話
一言で言うと？
RNNで、時刻ごとに前の時刻の出力を入力として受け取る層。
背景・歴史的流れ
言葉・音声の“順序”を処理するために再帰接続が導入され、LSTMで実用性が飛躍した。
身近な例え話
伝言ゲームの“前の人の台詞を覚えながら”——前の情報を持ち越しながら、次を語る。
AIとの関係
音声認識・機械翻訳・文章生成（Transformer登場前の中核）——“順番”を理解する層。
おすすめの活用法・注目ポイント
「時刻tの出力がt+1の入力になる」で。LSTMは“忘れ門”で長期記憶を改善、が頻出。
3．直前に理解（Q&A）
7問Q1. リカレント層とは？最頻出
RNNで、前の時刻の出力を入力として受け取る層（再帰接続）。
Q2. 「リカレント（再帰）」の意味は？最頻出
自分の過去の状態を、次の計算に戻して使う。
Q3. 得意なデータは？最頻出
シーケンスデータ——テキスト・音声・動画など時間・順序のあるデータ。
Q4. なぜ必要？頻出
“文脈”を保持——前の語の情報を次の語の予測に使える。
Q5. LSTMとの関係は？混同
LSTMはRNN（リカレント層）の改良版——“忘却門”で長期依存を扱う。
Q6. Transformerとの違いは？頻出
RNNは時系列を“順番に”処理、Transformerは注意機構で並列処理（高速）。
Q7. 位置づけは？親と子
RNN ⊃ リカレント層（再帰接続）。
4. まとめ
リカレント層＝「前の時刻の出力を受け取る層」。時系列の“文脈”を保持する仕組み——RNNの中核。