Proceedings of the International scientific and practical conference ―Science, Technology and Culture in the Era of Globalization‖ (December 24-26, 2025) / Publisher website: www.naukainfo.com. – Geneva, Switzerland, 2026. – 234 p.

70 порівняно з оригінальною архітектурою [5]. Таке спрощення дозволило зберегти здатність моделі до виділення складних ознак, одночасно зменшивши обчислювальну складність і час навчання. Рис. 3. Архітектура класичної LeNet-5 моделі Рис. 4. Архітектура спрощеної версії AlexNet Отримані результати оцінки CNN на різних архітектурах представлено у таблиці 3. Таблиця 3. Результати оцінки якості моделі при зміні архітектури нейронної мережі (5 епох) Arcitecture Accuracy, % Loss Training time (sec.) Base aschitecture 65.66 1.0129 145.40 LeNet-5 52.13 1.3703 65.75 AlexNet 69.45 0.8914 246.79 Аналізи результатів з таблиці 3 показали, що найвищу тестову точність продемонструвала спрощена версія AlexNet (69.45%), тоді як базова модель досягла точності 65.66%. Архітектура LeNet-5 показала значно гірший результат – лише 52.13%, що свідчить про її недостатню здатність до узагальнення у задачі класифікації зображень CIFAR-10. При цьому LeNet-5