素人ですが解答します.
種類の範囲としては,VGG系 ⊂ DCN(Deep CNN) ⊂ DNN ⊂ NNじゃないでしょうか.隠れ層が2層以上でDNNであることは有名なはずです.下記画像にアーキテクチャの例を示します(画像引用元リンク).DNNは次の画像で言うDFFで,Deepが付くものはすべてDNNにカテゴライズできるはずです.同様に,Recurrent/Memory Cellを持つ構造でカテゴライズしてGRU, LSTM ⊂ RNNです.

特に,時系列的解釈を要求するときにRNN/LSTM/Transformerを利用し,波形/画像/3Dデータ等の非構造データの特徴抽出にConvolutionを利用することを基礎として考えておいた方が良いでしょう.RNNとCNNを併用したモデルだって作れる上に,画像の特徴量の位置的解釈にRNN/LSTMを使うよりもAttentionを利用したTransformerを使うのが良さそうだってことでViTが出てきてますし,分類し切れるものとは限らなくなってきています.
- CNN
- Deep Residual CNN
- ResNet
- EfficientNet
- MobileNetV2
- RNN
- Attention
流行りの分類/回帰モデルを知りたいのであれば,Kaggleで開催されるデータコンペのDiscussionの項目を確認すると良いでしょう.自然言語処理や音声処理,動画処理コンペには時系列的解釈が要求され,非構造データを扱うコンペではConvolutionを使った特徴抽出が要求されるなかで,これらを処理できるNNアーキテクチャの活用具合がうかがえると思います.Discussionではコンペで高いスコアを出した人たちが,忘備録としてVGG系を使っただとかResidual Connectを使ったResNet系を使っただとか,Self-Attentionを使っただとかTransformer系であるBERTを使っただとか,様々な記録を残してくれています.
例えば,キャッサバの病気を特定するコンペでは1位の人の解法が見れます.ResNet,ViT,EfficientNet,MobileNetを利用してアンサンブル学習をしていることが分かります.
モデルの特性に応じた活用を学んでいただければ幸いです.
下記のような回答は推奨されていません。
このような回答には修正を依頼しましょう。
また依頼した内容が修正された場合は、修正依頼を取り消すようにしましょう。
2022/12/14 22:38
2022/12/14 23:16