Este estudio tiene como objetivo mejorar el desempeño del algoritmo Stella en la clasificación de fulguraciones estelares en curvas de luz obtenidas a través de la misión TESS. Para ello, se evaluaron 11 modelos con diferentes arquitecturas de redes neuronales convolucionales (CNN), incluyendo 6 arquitecturas conocidas y 5 nuevas implementaciones. Los resultados demuestran que los 5 modelos propuestos en el segundo experimento mejoran significativamente las métricas de accuracy, precision y recall, logrando una mejora de 2.1%, 3.02% y 7.1% respectivamente en el conjunto de validación. Además, se obtuvo una mejora de 5.4% en la clasificación de verdaderos positivos en el conjunto de validación y 4.42% en el conjunto de test según sus matrices de confusión. Además, las arquitecturas optimizadas permiten reducir en un 67.2% el número de parámetros entrenables con respecto al algoritmo Stella.