Ի՞նչ է ամբողջապես կապված նեյրոնային ցանցի գաղափարը և ինչու է այն աշխատում:

Լրիվ կապակցված նյարդային ցանցը (Fully Connected Neural Network, FCNN) բաղկացած է նյարդայինների շերտերից, որտեղ յուրաքանչյուր նախորդ շերտի նյարդայինը կապված է հաջորդ շերտի բոլոր նյարդայինների հետ։ Այս ճարտարապետության գաղափարը այն է, որ այն թույլ է տալիս մոդելին սովորել բարդ ոչ գծային հարաբերություններ մուտքային տվյալների և նպատակային արժեքների միջև։

Ինչու է դա աշխատում.

• Յուրաքանչյուր նյարդային հաշվում է մուտքերի քաշային գումարը և կիրառում է ոչ գծային ակտիվացման ֆունկցիա, ինչը թույլ է տալիս ցանցին մոդելավորել բարդ ֆունկցիաներ։
• Բազմաթիվ շերտեր և կապեր թույլ են տալիս աստիճանաբար հայտնաբերել և համակցել հատկանիշները, սկսած պարզից և հասնելով ավելի աբստրակտ։
• Հետադարձ տարածման (backpropagation) միջոցով ուսուցումը թույլ է տալիս օպտիմալացնել քաշերը և նվազեցնել սխալը ուսուցման հավաքածուում։

Օրինակ՝ պատկերների ճանաչման ժամանակ, առաջին շերտերը կարող են հայտնաբերել եզրեր և տեքստուրաներ, իսկ հաջորդները՝ ավելի բարդ օբյեկտներ։

Այնուամենայնիվ, լրիվ կապակցված ցանցերը կարող են լինել անարդյունավետ տվյալների համար, որոնք ունեն տարածական կամ հաջորդական կառուցվածք, որտեղ ավելի հարմար են կոնվոլյուցիոն կամ ռեկուրսիվ ցանցերը։