El procesamiento del lenguaje natural es un área de la inteligencia artificial, en particular, del reconocimiento de formas. Es un campo multidisciplinar que estudia el lenguaje humano, tanto oral como escrito. Se ocupa de la formulación e investigación de mecanismos computacionales para la comunicación entre personas y ordenadores, haciendo uso de lenguajes naturales. Es un área de investigación en continuo desarrollo, y este trabajo se centra únicamente en la parte relacionada con el modelado de lenguaje, y su aplicación a diversas tareas: reconocimiento/comprensión de secuencias y traducción automática estadística. Concretamente, esta tesis tiene su foco central en los denominados modelos conexionistas de lenguaje, esto es, modelos de lenguaje basados en redes neuronales. Los excelentes resultados de estos modelos en diversas áreas del procesamiento del lenguaje natural han motivado el desarrollo de este estudio. Debido a determinados problemas computacionales que adolecen los modelos conexionistas de lenguaje, los sistemas que aparecen en la literatura se construyen en dos etapas totalmente desacopladas. En la primera fase se encuentra, a través de un modelo de lenguaje estándar, un conjunto de hipótesis factibles, asumiendo que dicho conjunto es representativo del espacio de búsqueda en el cual se encuentra la mejor hipótesis. En segundo lugar, sobre dicho conjunto, se aplica el modelo conexionista de lenguaje y se extrae la hipótesis con mejor puntuación. A este procedimiento se le denomina repuntuación de las mejores soluciones o "rescoring" si usamos el término en inglés. Este escenario motiva los objetivos científicos principales de esta tesis: - Proponer técnicas para reducir drásticamente el coste computacional de los modelos conexionistas de lenguaje degradando lo mínimo posible la calidad de la solución encontrada. - Estudiar el efecto que tiene la integración de los modelos conexionistas de lenguaje en el proceso de búsqueda de las tareas propuestas. - Proponer modificaciones y variaciones del modelo original que permitan mejorar su calidad y adaptación al dominio. - Aplicar los modelos conexionistas de lenguaje a tareas de reconocimiento de secuencias y traducción automática. Todos los algoritmos necesarios para el desarrollo de esta tesis han sido implementados en C++ y el lenguaje de scripting Lua. Asimismo, se han comparado estas implementaciones con aquellas que son estándar en las diferentes tareas abordadas. En cuanto a los resultados, la incorporación de modelos conexionistas de lenguaje en dichas tareas ha logrado mejorar ampliamente los sistemas de referencia desarrollados: - resultados competitivos en una tarea de reconocimiento y comprensión automática del habla; - mejora del estado del arte en reconocimiento de escritura manuscrita; - resultados al nivel del estado del arte en traducción automática estadística, como se demuestra en el posicionamiento de los sistemas presentados a evaluaciones internacionales. La integración de estos modelos en el proceso de búsqueda para tareas de reconocimiento de secuencias ha logrado ser competitivo a nivel de coste computacional. Sin embargo, la integración en tareas de traducción automática precisa de un desarrollo más profundo, pues a nivel computacional el coste del sistema sigue siendo algo elevado.