Kāda ir pilnībā savienotas neironu tīkla ideja un kāpēc tas darbojas?

Pilnībā savienots neironu tīkls (Fully Connected Neural Network, FCNN) sastāv no neironu slāņiem, kur katrs iepriekšējā slāņa neirons ir savienots ar visiem nākamā slāņa neironiem. Ideja ir tāda, ka šāda arhitektūra ļauj modelim mācīties sarežģītas nelineāras saistības starp ievades datiem un mērķa vērtībām.

Kāpēc tas darbojas:

• Katrs neirons aprēķina sverotu ieeju summu un piemēro nelineāru aktivācijas funkciju, kas ļauj tīklam modelēt sarežģītas funkcijas.
• Daudzslāņu un savienojumu ļauj pakāpeniski identificēt un kombinēt raksturlielumus, sākot ar vienkāršiem un beidzot ar sarežģītākiem.
• Apmācība ar atpakaļizplatīšanu (backpropagation) ļauj optimizēt svarus un samazināt kļūdu apmācības kopā.

Piemērs: attēlu atpazīšanā pirmie slāņi var atklāt malas un tekstūras, bet nākamie — sarežģītākus objektus.

Tomēr pilnībā savienoti tīkli var nebūt efektīvi datiem ar telpisko vai secīgu struktūru, kur labāk piemēroti ir konvolūcijas vai atkārtoti tīkli.