生体信号などの時系列データの分類においてはデータの時間変化を考慮することで分類精度向上が期待されるが，予め設定した識別対象クラスに含まれない異常なパターンを必然的に誤識別してしまうという構造的問題がある．本論文では学習時に想定しない未学習クラスに対する事後確率を推定可能な確率リカレントニューラルネットを提案する．提案法は混合正規分布と異常値の分布を仮定した混合余事象分布を有する隠れマルコフモデルを内包し，時間変化を考慮した多クラス識別と未学習クラス推定および内包する確率モデルのパラメータの学習的獲得を可能とする．人工データと生体信号を用いた時系列データ分類実験において提案法の有効性を確認した．