Las Redes Neuronales Recurrentes son potentes marcos de aprendizaje automático que permiten que los datos se guarden y se referencien en una secuencia temporal. Esto abre muchas nuevas posibilidades en campos como el análisis de la escritura a mano y el reconocimiento de voz. Este artículo busca explorar la investigación actual que se está llevando a cabo sobre las RNN en cuatro áreas muy importantes: la autenticación biométrica, el reconocimiento de expresiones, la detección de anomalías y las aplicaciones en aeronaves. Este artículo revisa las metodologías, el propósito, los resultados y los beneficios y desventajas de cada método propuesto a continuación. Estas diversas metodologías se centran en cómo pueden aprovechar arquitecturas RNN distintas, como la popular Red Neuronal Recurrente de Memoria a Largo y Corto Plazo (LSTM) o una RNN de Residual Profundo. Este artículo también examina qué marcos funcionan mejor en ciertas situaciones, así como las ventajas y desventajas de cada modelo propuesto.