RNN (rede neural recorrente)
Rede neural para sequências: tem um "estado oculto" que se propaga pelos passos de tempo, permitindo que informações de entradas anteriores influenciem os passos seguintes.
RNNs simples sofrem de gradientes que desaparecem ou explodem em sequências longas. A LSTM (Hochreiter e Schmidhuber, 1997) e a GRU (2014) introduziram "portas" que resolvem o problema e dominaram o PLN até a chegada dos transformers, em 2017.
Em 2025, foram quase totalmente substituídas por transformers no texto e por SSMs (Mamba, RWKV) em sequências longas. As RNNs permanecem em aplicações de streaming (fala para texto, reconhecimento de gestos), em que tempo constante por token é requisito rígido.