Red neuronal recurrente

Modelo de aprendizaje profundo diseñado para procesar datos secuenciales o temporales, como series de tiempo, texto o audio.

Utiliza conexiones cíclicas en su arquitectura, lo que permite que la información se mantenga en una "memoria" interna y sea reutilizada durante el procesamiento de secuencias.

Su estructura facilita el manejo de dependencias a corto plazo en datos ordenados, ajustando los pesos de las conexiones a medida que los datos son procesados.

Aunque son potentes para ciertos tipos de problemas, su desempeño puede verse limitado al intentar capturar dependencias a largo plazo, lo cual ha llevado al desarrollo de variantes como LSTM y GRU.

Son especialmente útiles en tareas como traducción automática, generación de texto, análisis de sentimiento o reconocimiento de voz.