Red Neuronal Recurrente
Una Red Neuronal Recurrente (RNN) es una clase de red neuronal diseñada para procesar datos secuenciales manteniendo un estado oculto que transporta información a través de los pasos temporales. Introducidas en su forma moderna por Rumelhart et al. (1986) y moldeadas posteriormente por Elman (1990), las RNN se convirtieron en la arquitectura dominante para la modelización de secuencias en PLN, voz y análisis de series temporales antes del auge de los modelos basados en atención.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Fuentes
- Elman, J. L. (1990). Finding structure in time. Cognitive Science, 14(2), 179–211. DOI: 10.1207/s15516709cog1402_1 ↗
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536. DOI: 10.1038/323533a0 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/es/deep-learning/recurrent-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Clasificación basada en BERTAprendizaje profundo↔ compare
- Unidad Recurrente con Compuertas (GRU)Aprendizaje profundo↔ compare
- Memoria a Largo Plazo (LSTM)Aprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →