Las redes neuronales recurrentes utilizan entradas actuales y salidas recientes para recordar información de entrada anterior, lo que les permite predecir valores futuros basados en datos secuenciales anteriores. A diferencia de las redes feedforward, las redes recurrentes tienen una retroalimentación de datos que les permite recordar valores de salida anteriores y predecir los valores de entrada próximos. Esto las hace útiles para datos secuenciales como series de tiempo, texto, datos financieros y más.

1. REDES NEURONALES
ARTIFICIALES
REDES NEURONALES
RECURRENTES
Lección 4
EducRNA

2. Definición
Las redes neuronales recurrentes son el tipo de red que cuenta con la función de
recordar entradas anteriores, para lo cual utilizan 2 tipos de entradas:
 Las actuales
 Las salidas recientes
Como en las secuencias los datos anteriores contienen información importante
acerca de lo que va a venir luego, esto le permite a la red predecir los próximos
valores.
EducRNA

3. Definición
A diferencia de las redes vistas anteriormente que son de tipo feedfoward, donde
solo se transmite la información en una sola dirección, las redes recurrentes cuentan
con una retroalimentación de datos.
¿Para qué necesitan las neuronas recordar valores de salidas anteriores? La
respuesta es simple, al poder recordar algunos valores la neurona es capaz de
predecir los próximos valores que ingresaran, convirtiéndose en una herramienta
muy útil para los datos secuenciales, como series de tiempo, textos, datos
financieros, audio, video, predicción del clima y muchos más.
Representación de como se puede predecir la palabra
de una oración basada en las palabras anteriores.
EducRNA