La rete neurale ricorrente (RNN) è un tipo di rete neurale artificiale in cui le connessioni tra i nodi formano un grafico diretto lungo una sequenza temporale. Ciò gli consente di esibire un comportamento dinamico temporale, rendendolo adatto per attività che coinvolgono dati sequenziali.
Nelle reti neurali, RNN si riferisce a una classe di modelli progettati per riconoscere modelli in sequenze di dati, come serie temporali, parlato o testo. Gli RNN possono elaborare input di varia lunghezza mantenendo uno stato nascosto che cattura informazioni dai passaggi precedenti della sequenza.
RNN sta per Rete Neurale Ricorrente. Sottolinea la capacità della rete di gestire sequenze tramite connessioni “ricorrenti” che ritornano nella rete.
Gli RNN vengono applicati in vari campi come la modellazione del linguaggio, la traduzione automatica, il riconoscimento vocale e la previsione delle serie temporali. Sono particolarmente utili per attività in cui il contesto degli input precedenti influenza l’output corrente.
La rete RNN di base è costituita da uno strato di neuroni in cui l’output di ciascun neurone in ogni fase temporale viene reimmesso nella rete insieme all’input successivo. Questo ciclo di feedback consente alla rete di mantenere uno stato nascosto che trasporta informazioni dagli input precedenti, consentendole di elaborare sequenze di dati.