Gated recurrent unit
Sinónimos: GRU · Unidad recurrente con compuertas
Definición ampliada
La gated recurrent unit, o GRU, es una unidad recurrente con compuertas que procesa secuencias manteniendo un estado interno. Su compuerta de actualización regula la mezcla entre el estado previo y la información candidata; la de reinicio controla cuánto del estado previo interviene al calcular esa candidata [1].
A diferencia de una LSTM convencional, no separa un estado de celda del estado oculto. En la formulación habitual, las compuertas usan sigmoide y la candidata usa tangente hiperbólica [2]. Esto facilita conservar información, pero no resuelve de forma absoluta el gradiente desvanecido.
Contexto histórico
Cho y colaboradores introdujeron la unidad en 2014 dentro de un modelo codificador-decodificador para traducción automática. La presentaron como una alternativa inspirada en LSTM, más sencilla de calcular e implementar [1].
Importancia actual
A fecha de septiembre de 2026, la GRU ofrece una arquitectura de aprendizaje profundo para problemas secuenciales. Con dimensiones comparables suele necesitar menos parámetros que una LSTM convencional; la rapidez y la calidad finales deben compararse en la tarea concreta.
Aplicaciones
Generales
- Modelar series temporales y señales.
- Codificar secuencias de texto.
- Mantener un estado actualizado al recibir nuevas observaciones.
Sanitarias
Se ha estudiado su adaptación a series clínicas con datos ausentes. En 2018, GRU-D incorporó información sobre ausencias e intervalos de observación y fue evaluada retrospectivamente en conjuntos clínicos [2]. Es una extensión específica: esas capacidades no vienen resueltas por una GRU básica.
Limitaciones
- El procesamiento recurrente limita la paralelización entre pasos temporales.
- El estado es acotado y puede perder dependencias lejanas.
- Menos compuertas no implica mayor precisión ni superioridad universal sobre LSTM.
- La irregularidad de las mediciones y las ausencias necesitan un tratamiento explícito.
- Una evaluación retrospectiva no demuestra el efecto de usar alertas en la práctica clínica.
Ejemplos
Ejemplo hipotético: una red recibe constantes registradas durante un ingreso. Sus compuertas aprenden qué parte del estado previo conservar al incorporar cada registro. Para evaluar una alerta de deterioro hay que definir el horizonte, evitar información posterior al evento y comprobar el rendimiento fuera de la cohorte de desarrollo.