Jaké architektury neuronových sítí byly použity?

V praxi strojového učení a vývoji neuronových sítí se často používají následující architektury:

• Plně propojené (Fully Connected) sítě — základní neuronové sítě, kde je každý neuron propojen se všemi neurony následující vrstvy.
• Konvoluční neuronové sítě (CNN) — efektivní pro zpracování obrázků a dat s lokální strukturou.
• Rekurentní neuronové sítě (RNN) a jejich varianty (LSTM, GRU) — používají se pro sekvenční data, například text nebo časové řady.
• Transformery — architektura založená na mechanismu pozornosti, široce využívaná v přirozeném jazyce a dalších úlohách.

Příklad použití konvoluční sítě v Pythonu s knihovnou TensorFlow:

import tensorflow as tf
from tensorflow.keras import layers, models

model = models.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    layers.MaxPooling2D((2, 2)),
    layers.Flatten(),
    layers.Dense(64, activation='relu'),
    layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])