Mi a teljesen összekapcsolt neurális hálózat ötlete, és miért működik?

Teljesen összekapcsolt neurális hálózat (Fully Connected Neural Network, FCNN) neuronokból álló rétegekből épül fel, ahol az előző réteg minden neuronja kapcsolatban áll a következő réteg összes neuronjával. Az ötlet az, hogy ez az architektúra lehetővé teszi a modell számára, hogy tanuljon komplex nemlineáris kapcsolatokat a bemeneti adatok és a célértékek között.

Miért működik:

• Minden neuron súlyozott összegét számolja a bemeneteknek, és nemlineáris aktivációs függvényt alkalmaz, ami lehetővé teszi a hálózat számára, hogy komplex függvényeket modellezzen.
• Több réteg és kapcsolat lehetővé teszi, hogy fokozatosan azonosítsa és kombinálja a jellemzőket, kezdve az egyszerűbbektől a bonyolultabbakig.
• A visszaterjesztéses tanulás (backpropagation) lehetővé teszi a súlyok optimalizálását, és a hiba minimalizálását a tanulási adathalmazon.

Példa: képfelismerésnél az első rétegek felismerhetik a szegélyeket és textúrákat, míg a későbbi rétegek összetettebb objektumokat azonosítanak.

Azonban a teljesen összekapcsolt hálózatok nem hatékonyak lehetnek olyan adatok esetén, amelyek térbeli vagy szekvenciális struktúrával rendelkeznek, ahol a konvolúciós vagy rekurzív hálózatok jobban megfelelnek.