La red neuronal recurrente (RNN) es un tipo de red neuronal artificial donde las conexiones entre nodos forman un gráfico dirigido a lo largo de una secuencia temporal. Esto le permite exhibir un comportamiento dinámico temporal, lo que lo hace adecuado para tareas que involucran datos secuenciales.
En redes neuronales, RNN se refiere a una clase de modelos diseñados para reconocer patrones en secuencias de datos, como series temporales, voz o texto. Los RNN pueden procesar entradas de diferentes longitudes manteniendo un estado oculto que captura información de pasos anteriores de la secuencia.
RNN significa Red neuronal recurrente. Enfatiza la capacidad de la red para manejar secuencias mediante conexiones «recurrentes» que retroceden en la red.
Los RNN se aplican en diversos campos, como el modelado de lenguajes, la traducción automática, el reconocimiento de voz y la predicción de series temporales. Son particularmente útiles para tareas donde el contexto de entradas anteriores influye en la salida actual.
La red RNN básica consta de una capa de neuronas donde la salida de cada neurona en cada paso de tiempo se devuelve a la red junto con la siguiente entrada. Este circuito de retroalimentación permite que la red mantenga un estado oculto que transporta información de entradas anteriores, lo que le permite procesar secuencias de datos.
