CNN Avanzado

# Descripción

Proyecto de arquitecturas CNN avanzadas que explora técnicas de regularización y optimización para mejorar el rendimiento de redes convolucionales. Implementa y compara múltiples variantes: CNN base sin regularización, CNN con Dropout (tasa 0.3-0.5), CNN con Batch Normalization, CNN con aumento de datos (ImageDataGenerator) y CNN combinando todas las técnicas. Cada variante se entrena en CIFAR-10 y se evalúa con métricas de precisión, pérdida y curvas de aprendizaje. Analiza el efecto del sobreajuste (overfitting) y cómo cada técnica ayuda a generalizar mejor.

$ ./deploy.sh $ git clone

# Características principales

$ Comparativa de 5 arquitecturas CNN con/sin regularización

$ Dropout para prevenir co-adaptación de neuronas

$ Batch Normalization para estabilizar el entrenamiento

$ Aumento de datos: rotación, zoom, desplazamiento, volteo

$ Análisis de curvas de aprendizaje y detección de overfitting

$ Early Stopping y reducción de learning rate

# Galería

Vista escritorio

Vista móvil

# Tecnologías utilizadas

Python TensorFlow / Keras