Translations:Convolutional Neural Networks/22/es - Revision history

DeployBot: Batch translate Convolutional Neural Networks unit 22 → es

2026-04-27T23:37:00Z

Batch translate Convolutional Neural Networks unit 22 → es

← Older revision		Revision as of 23:37, 27 April 2026
Line 3:		Line 3:
	! Arquitectura !! Año !! Contribución clave !! Profundidad		! Arquitectura !! Año !! Contribución clave !! Profundidad
	\|-		\|-
	\| '''LeNet-5''' \|\| 1998 \|\| Pionera de las CNN para el reconocimiento de dígitos manuscritos (MNIST) \|\| 5 capas		\| '''LeNet-5''' \|\| 1998 \|\| Pionera de las CNN para reconocimiento de dígitos manuscritos (MNIST) \|\| 5 capas
	\|-		\|-
	\| '''AlexNet''' \|\| 2012 \|\| Ganó ImageNet; popularizó ReLU, dropout y entrenamiento en GPU \|\| 8 capas		\| '''AlexNet''' \|\| 2012 \|\| Ganó ImageNet; popularizó ReLU, {{Term\|dropout\|dropout}}, entrenamiento en GPU \|\| 8 capas
	\|-		\|-
	\| '''VGGNet''' \|\| 2014 \|\| ~~Mostró~~ que la profundidad importa; usó ~~únicamente~~ filtros <math>3 \times 3</math> \|\| 16–19 capas		\| '''VGGNet''' \|\| 2014 \|\| Demostró que la profundidad importa; usó solo filtros <math>3 \times 3</math> en toda la red \|\| 16–19 capas
	\|-		\|-
	\| '''GoogLeNet (Inception)''' \|\| 2014 \|\| Introdujo módulos inception con tamaños de filtro paralelos \|\| 22 capas		\| '''GoogLeNet (Inception)''' \|\| 2014 \|\| Introdujo módulos inception con tamaños de filtro paralelos \|\| 22 capas

DeployBot: Batch translate Convolutional Neural Networks unit 22 → es

2026-04-27T21:58:54Z

Batch translate Convolutional Neural Networks unit 22 → es

← Older revision		Revision as of 21:58, 27 April 2026
Line 3:		Line 3:
	! Arquitectura !! Año !! Contribución clave !! Profundidad		! Arquitectura !! Año !! Contribución clave !! Profundidad
	\|-		\|-
	\| '''LeNet-5''' \|\| 1998 \|\| Pionera de las CNN para reconocimiento de dígitos manuscritos (MNIST) \|\| 5 capas		\| '''LeNet-5''' \|\| 1998 \|\| Pionera de las CNN para el reconocimiento de dígitos manuscritos (MNIST) \|\| 5 capas
	\|-		\|-
	\| '''AlexNet''' \|\| 2012 \|\| Ganó ImageNet; popularizó ReLU, dropout y entrenamiento en GPU \|\| 8 capas		\| '''AlexNet''' \|\| 2012 \|\| Ganó ImageNet; popularizó ReLU, dropout y entrenamiento en GPU \|\| 8 capas
	\|-		\|-
	\| '''VGGNet''' \|\| 2014 \|\| ~~Demostró~~ que la profundidad importa; usó ~~solo~~ filtros <math>3 \times 3</math> ~~en toda la red~~ \|\| 16–19 capas		\| '''VGGNet''' \|\| 2014 \|\| Mostró que la profundidad importa; usó únicamente filtros <math>3 \times 3</math> \|\| 16–19 capas
	\|-		\|-
	\| '''GoogLeNet (Inception)''' \|\| 2014 \|\| Introdujo módulos inception con tamaños de filtro paralelos \|\| 22 capas		\| '''GoogLeNet (Inception)''' \|\| 2014 \|\| Introdujo módulos inception con tamaños de filtro paralelos \|\| 22 capas

DeployBot: Batch translate Convolutional Neural Networks unit 22 -> es

2026-04-27T03:51:05Z

Batch translate Convolutional Neural Networks unit 22 -> es

New page

{| class="wikitable"
|-
! Arquitectura !! Año !! Contribución clave !! Profundidad
|-
| '''LeNet-5''' || 1998 || Pionera de las CNN para reconocimiento de dígitos manuscritos (MNIST) || 5 capas
|-
| '''AlexNet''' || 2012 || Ganó ImageNet; popularizó ReLU, dropout y entrenamiento en GPU || 8 capas
|-
| '''VGGNet''' || 2014 || Demostró que la profundidad importa; usó solo filtros <math>3 \times 3</math> en toda la red || 16–19 capas
|-
| '''GoogLeNet (Inception)''' || 2014 || Introdujo módulos inception con tamaños de filtro paralelos || 22 capas
|-
| '''ResNet''' || 2015 || Introdujo conexiones residuales que permiten redes muy profundas || 50–152+ capas
|-
| '''DenseNet''' || 2017 || Conectó cada capa con todas las capas posteriores mediante bloques densos || 121–264 capas
|-
| '''EfficientNet''' || 2019 || Escalado compuesto de profundidad, anchura y resolución || Variable
|}