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.