RNN o red neuronal recursiva es uno de varios modelos en el aprendizaje profundo. Cada modelo tiene un propósito específico y RNN tiene el suyo. Como su nombre indica, utiliza la recursividad en una pequeña red de pocas capas y mantiene un estado oculto que se reutiliza en cada recursión.
Al igual que otros modelos de aprendizaje profundo, RNN tiene capas, parámetros que se pueden aprender (pesos), una función de pérdida y un algoritmo de optimización como SGD, etc. Sin embargo, la red RNN se recurre o reutiliza varias veces con estado oculto y con salida de recursión previa, o un nueva instancia de entrada, o nada. El número de recursiones depende del estado oculto, así como de la entrada proporcionada. De esta forma de cálculo directo, se pueden realizar grandes ejecuciones profundas con pocas capas y sus estados ocultos. Por eso, los RNN se denominan gráficos de cálculo dinámico.
Según sus usos, hay pocas arquitecturas en RNN y su uso depende de la tarea.
- ¿Cómo funciona el aprendizaje automático en el comercio algorítmico (finanzas)?
- ¿Puedo usar la agrupación (k-means, etc.) en un gran conjunto de datos para automatizar el proceso de búsqueda de similitudes y hacer recomendaciones?
- ¿Qué áreas debo conocer bien para ser un buen ingeniero de visión por computadora?
- ¿Existe algún hardware especializado para algoritmos de aprendizaje profundo?
- ¿Qué prueba estadística usar para cuantificar la similitud entre dos distribuciones cuando no son normales?
Hay muchas cosas que se pueden discutir en RNN.
Espero haberlo respondido bien.