- ¿Qué es una RNN? Eso es lo que te vamos a explicar rápido y detalladamente, usamos las redes neuronales recurrentes más de lo que nos imaginamos.
- Productos que usamos bastante seguido como Siri de Apple o un traductor de texto utilizan una Red Neuronal Recurrente.
Existen varias redes neuronales, una de estas es la Red Neuronal Recurrente. Pero ¿Qué es una RNN? Es justamente la duda que te vamos a aclarar en el siguiente artículo. Presta mucha atención que, generalmente, las usamos más de lo que nos imaginamos.
¿Qué es una RNN? Red Neuronal Recurrente
RNN son las siglas en inglés de Recurrent Neural Network, se trata de una Red Neuronal Recurrente que es capaz de procesar datos secuenciales, reconocer patrones y predecir el resultado final.
Se le llama recurrente porque es capaz de hacer de manera continua la misma tarea u operación en una secuencia de entradas. Una RNN cuenta con una memoria interna que le da la posibilidad de recortar y a la vez memorizar información variada, lo que le ayuda al sistema a ganar contexto.
Esto quiere decir que, si tiene datos secuenciales como una serie de tiempo, entonces un RNN es una excelente idea para procesar dichos datos. Esto no se puede realizar con una CNN o redes neuronales de alimentación, el problema es que no pueden clasificar la correlación entre una entrada anterior y la siguiente.
Existen varios productos muy conocidos que usan RNN para procesar la entrada de sus usuarios y predecir su salida, los casos más conocidos serían Google y Siri de Apple.
¿Cómo funciona una RNN o Red Neuronal Recurrente?
Por lógica, la idea es guardar la salida de la capa específica y retroalimentar la entrada para predecir la salida de la capa. Sí, sabemos que puede sonar algo complicado. Pero podemos ver un simple ejemplo de cómo se puede convertir una red neuronal de avance en una red neuronal recurrente.
En el lado izquierdo de la imagen que podemos apreciar arriba, veremos lo siguiente:
- X – vendría a ser la capa de entrada.
- H – es la capa oculta que tiene la información de salida anterior y la retroalimenta en sí misma.
- Y – es la capa de salida.
- En el caso de A, B, C estos son los parámetros para mejorar la salida del modelo.
En el siguiente GIF animado, podemos ver claramente un ejemplo de una red neuronal recurrente que se encuentra conectada.
Las redes neuronales recurrentes (RNN) comparten el mismo parámetro de peso en cada una de las capas de la red; mientras que las redes de alimentación directa, generalmente tienen pesos diferentes en cada nodo.
Casos en donde se usan las redes neuronales recurrentes
Existen varios casos en donde se utiliza una RNN, ya que se pueden usar para crear un modelo de aprendizaje profundo. Uno de los más claros y simples podría ser el de traducir un texto de un idioma a otro sin la necesidad de la intervención humada.
Otro caso sería el reconocimiento de automático de voz (ASR) que es capaz de procesar la voz humana en un formato escrito o de texto. Existen dos clases de reconocimiento de voz; el que lo transforma en texto y el que identifica la voz del usuario.