Полносвязные нейронные сети

Полносвязные нейронные сети (Fully Connected Neural Network, FCNN) — это один из наиболее распространенных типов искусственных нейросетей.

Особенности полносвязных сетей:

- Каждый нейрон предыдущего слоя соединен с каждым нейроном последующего.

- Информация передается от входного слоя через один или несколько скрытых слоев к выходному слою. 

- Нейроны в пределах слоя не соединены между собой.

- В качестве активационной функции чаще всего используется ReLU.

- Для обучения применяется метод обратного распространения ошибки.

Полносвязные сети хорошо подходят для задач классификации и регрессии с табличными данными. Они способны моделировать сложные нелинейные зависимости.

Недостатки полносвязных сетей — большое количество параметров и подверженность переобучению. Для борьбы с этим используют регуляризацию, нормализацию, дропаут.

Полносвязные нейронные сети лежат в основе многих современных архитектур глубокого обучения. Их обычно комбинируют со сверточными и рекуррентными сетями в зависимости от типа данных и задачи.