¿Qué arquitecturas de redes neuronales se utilizaron?

En la práctica del aprendizaje automático y el desarrollo de redes neuronales, a menudo se utilizan las siguientes arquitecturas:

• Redes completamente conectadas (Fully Connected) — redes neuronales básicas, donde cada neurona está conectada con todas las neuronas de la siguiente capa.
• Redes neuronales convolucionales (CNN) — eficaces para procesar imágenes y datos con estructura local.
• Redes neuronales recurrentes (RNN) y sus variantes (LSTM, GRU) — se utilizan para datos secuenciales, como texto o series temporales.
• Transformadores — arquitectura basada en mecanismos de atención, ampliamente utilizada en procesamiento de lenguaje natural y otras tareas.

Ejemplo de uso de una red convolucional en Python con la biblioteca 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'])