Aké architektúry neurónových sietí boli použité?

V praxi strojového učenia a vývoja neurónových sietí sa často používajú nasledujúce architektúry:

• Plne prepojené (Fully Connected) siete — základné neurónové siete, kde je každý neurón prepojený so všetkými neurónmi nasledujúceho vrstvy.
• Konvolučné neurónové siete (CNN) — účinné pri spracovaní obrázkov a dát s lokálnou štruktúrou.
• Rekurentné neurónové siete (RNN) a ich varianty (LSTM, GRU) — používajú sa pre sekvenčné dáta, ako je text alebo časové rady.
• Transformery — architektúra založená na mechanizme pozornosti, široko používaná v spracovaní prirodzeného jazyka a iných úlohách.

Príklad použitia konvolučnej siete v Pythone s knižnicou 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'])