Que arquiteturas de redes neurais foram utilizadas?

Na prática de aprendizagem de máquina e desenvolvimento de redes neurais, frequentemente são utilizadas as seguintes arquiteturas:

• Redes totalmente conectadas (Fully Connected) — redes neurais básicas, onde cada neurônio está conectado a todos os neurônios da próxima camada.
• Redes neurais convolucionais (CNN) — eficazes para processar imagens e dados com estrutura local.
• Redes neurais recorrentes (RNN) e suas variantes (LSTM, GRU) — usadas para dados sequenciais, como texto ou séries temporais.
• Transformadores — arquitetura baseada em mecanismos de atenção, amplamente utilizada no processamento de linguagem natural e outras tarefas.

Exemplo de uso de uma rede convolucional em Python com a 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'])