解釋全連接神經(jīng)網(wǎng)絡(luò)之前我們首先需要了解什么是神經(jīng)網(wǎng)絡(luò)？
??人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）簡稱神經(jīng)網(wǎng)絡(luò)，可以對一組輸入信號和一組輸出信號之間的關(guān)系進行模擬，是機器學(xué)習(xí)和認(rèn)知科學(xué)領(lǐng)域中一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型。用于對函數(shù)進行估計或近似，其靈感來源于動物的中樞神經(jīng)系統(tǒng)，特別是大腦。神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元（或節(jié)點）聯(lián)結(jié)進行計算，大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu)，是一種自適應(yīng)系統(tǒng)。

那么神經(jīng)網(wǎng)絡(luò)模型中 是怎么輸入和輸出數(shù)據(jù)的呢？
??過程：它在具有n個輸入一個輸出的單一的神經(jīng)元模型的結(jié)構(gòu)中，神經(jīng)元接受來自n個其他神經(jīng)元傳遞過來的輸入（樹突）信號，這些輸入信號通過帶權(quán)重的連接（軸突）進行傳遞，神經(jīng)元收到總輸入值將經(jīng)過激活函數(shù)f處理后產(chǎn)生神經(jīng)元輸出（軸突末梢）。

全連接神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)的進一步層次疊加——多層的感知機
??全連接神經(jīng)網(wǎng)絡(luò)（Multi-Layer Perception, MLP）或者叫多層感知機，是一種連接方式較為簡單的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，屬于前饋神經(jīng)網(wǎng)絡(luò)的一種，其主要由輸入層、隱藏層和輸出層構(gòu)成，并且在每個隱藏層中可以有多個神經(jīng)元。 ??◎輸入層僅接收外界輸入，不進行任何函數(shù)處理，所以輸入層的神經(jīng)元個數(shù)往往和輸入的特征數(shù)量相同。

??◎隱藏層和輸出層神經(jīng)元對信號進行加工處理，最終結(jié)果由輸出層神經(jīng)元輸出。而根據(jù)隱藏層的數(shù)量又可以分為單隱藏層MLP和多隱藏層MLP。每個隱藏層的神經(jīng)元數(shù)量是可以變化的，通常沒有一個很好的標(biāo)準(zhǔn)用于確定每層神經(jīng)元的數(shù)量和隱藏層的個數(shù)，這也是目前一直測試和探索的。

??隨著網(wǎng)絡(luò)的層數(shù)增加，每一層對于前一層次的抽象表示更深入。在神經(jīng)網(wǎng)絡(luò)中，每一層神經(jīng)元學(xué)習(xí)到的是前一層神經(jīng)元值的更抽象的表示。例如第一個隱藏層學(xué)習(xí)到的是"圖標(biāo)”的特征，第二個隱藏層學(xué)習(xí)到的是由"圖標(biāo)”組成的"圖片”的特征，最后的隱藏層學(xué)習(xí)到的是由"圖片"組成的“視頻”的特征。當(dāng)然層數(shù)增加之后，便有更多的神經(jīng)元則就會有更強的表示能力，同時更容易造成網(wǎng)絡(luò)的過擬合，所以在使用全連接神經(jīng)網(wǎng)絡(luò)時，對模型泛化能力的測試很重要，最好的方式是在訓(xùn)練模型時，使用驗證集來驗證模型的泛化能力，且盡可能地去嘗試多種網(wǎng)絡(luò)結(jié)構(gòu)，以尋找更好的模型，當(dāng)然這樣往往需要耗費大量的時間。

??以上是對全連接神經(jīng)網(wǎng)絡(luò)的初步理論認(rèn)識，對于它不同層次模型的建立您可以在本欄目查閱。