6.2 Estados y dinámica de las RNN — Una estructura recurrente que actualiza la información pasada en el estado presente

En esta lección estudiaremos las RNN desde la perspectiva de un Sistema dinámico. La idea central es entender cómo la información pasada de una secuencia se comprime en un Estado del sistema y se utiliza en el cálculo actual. En lugar de entrar en los detalles de entrenamiento de una Vanilla RNN, nos centraremos en el significado de Representación de estado, Recurrencia, Compartición de parámetros en el tiempo y Despliegue temporal.

04/27/2026

Modelo de Espacio de Estados — Un Modelo que Explica los Cambios en el Tiempo al Rastrear los Estados Internos Detrás de las Observaciones

Modelo de Espacio de Estados es un marco de modelado que representa un sistema que cambia con el tiempo a partir de observaciones visibles y estados internos subyacentes, y explica de forma estructurada cómo esos estados evolucionan y cómo se generan las observaciones a partir de ellos.

12/25/2025

Trajectory — Cómo representar la evolución de estados a través del tiempo

Trajectory (trayectoria de estado) representa el recorrido completo que sigue un sistema durante su evolución temporal. No se limita a observar un state en un momento concreto, sino que conecta la secuencia de estados desde el inicio hasta el resultado final para mostrar cómo se ha desarrollado el proceso. Por esta razón, en reinforcement learning, predicción de series temporales y análisis de sistemas dinámicos, una trajectory permite estudiar no solo la situación actual, sino también el camino que llevó al sistema hasta ella.

07/28/2026