Rede Neural Recorrente (RNN) é um tipo de rede neural artificial onde as conexões entre nós formam um gráfico direcionado ao longo de uma sequência temporal. Isso permite exibir comportamento dinâmico temporal, tornando-o adequado para tarefas que envolvem dados sequenciais.
Nas redes neurais, RNN refere-se a uma classe de modelos projetados para reconhecer padrões em sequências de dados, como séries temporais, fala ou texto. As RNNs podem processar entradas de comprimentos variados, mantendo um estado oculto que captura informações das etapas anteriores da sequência.
RNN significa Rede Neural Recorrente. Ele enfatiza a capacidade da rede de lidar com sequências por meio de conexões “recorrentes” que retornam na rede.
RNNs são aplicados em vários campos, como modelagem de linguagem, tradução automática, reconhecimento de fala e previsão de séries temporais. Eles são particularmente úteis para tarefas onde o contexto das entradas anteriores influencia a saída atual.
A rede RNN básica consiste em uma camada de neurônios onde a saída de cada neurônio em cada intervalo de tempo é realimentada na rede junto com a próxima entrada. Este ciclo de feedback permite que a rede mantenha um estado oculto que transporta informações de entradas anteriores, permitindo-lhe processar sequências de dados.