El caso. Iberdrola predice la demanda eléctrica hora a hora. La entrada x_t es un pulso de consumo (una punta de demanda a media mañana). Una red recurrente mantiene un estado h_t — su memoria del pasado reciente — para anticipar lo que viene.

Lee así. W_h es la fuerza de la memoria. Con W_h≈1 el estado arrastra el pasado y la punta persiste muchas horas; con W_h≈0 la red olvida al instante y h_t copia solo la entrada actual. Abajo cambias la demanda que entra y con t recorres las horas: la ecuación numérica muestra esa hora.

La idea. Una neurona recurrente es la misma suma ponderada de siempre, pero se realimenta consigo misma: el estado h_t−1 vuelve a entrar en el paso siguiente. Esa flecha de retorno es toda la memoria.

Negocio. Iberdrola no predice la demanda de una hora aislada: la de las 14:00 depende de lo ocurrido por la mañana. La recurrencia guarda ese contexto y anticipa los picos, que son los que disparan el coste de generación.

Y ahora. Con W_h fijo la memoria decae siempre igual y las dependencias muy largas se pierden. LSTM y GRU añaden puertas que deciden, paso a paso, qué recordar y qué olvidar — memoria larga bajo control.