Layer Fully Connected

/ˈfʊli kəˈnɛktɪd ˈleɪər/

Layer Fully Connected: Un layer di rete neurale dove ogni neurone è connesso a ogni neurone nei layer precedente e successivo. Chiamati anche layer densi, eseguono classificazione o regressione dopo estrazione feature. Ogni connessione ha un peso apprendibile. Comuni alla fine delle CNN per decision making finale.

In English: Fully Connected LayerLegge III · Come una rete impara dai dati

Chiamati anche layer densi, eseguono classificazione o regressione dopo estrazione feature. Ogni connessione ha un peso apprendibile. Comuni alla fine delle CNN per decision making finale.

Formula

y = Wx + b

Esempio numerico

import numpy as np
x = np.ones((32, 128))
W = np.zeros((64, 128))
b = np.zeros(64)
print((x @ W.T + b).shape)  # (32, 64)

Quando usarlo

Combina tutte le feature in ingresso verso ogni unità di uscita, spesso nella parte finale o nei feed-forward dei Transformer.

Limiti

Il numero di parametri cresce rapidamente e il layer non conserva struttura spaziale senza una rappresentazione adeguata.

Esempi

  • Layer classificazione in CNN
  • Layer nascosti MLP
  • Layer output

Autovalutazione

Tre domande per verificare la comprensione della voce. Le spiegazioni restano disponibili anche senza JavaScript.

1. Che cos’è Layer Fully Connected?
Spiegazione

Layer Fully Connected: Un layer di rete neurale dove ogni neurone è connesso a ogni neurone nei layer precedente e successivo. Chiamati anche layer densi, eseguono classificazione o regressione dopo estrazione feature. Ogni connessione ha un peso apprendibile. Comuni alla fine delle CNN per decision making finale.

2. Quale applicazione è coerente con Layer Fully Connected?
Spiegazione

Combina tutte le feature in ingresso verso ogni unità di uscita, spesso nella parte finale o nei feed-forward dei Transformer.

3. Quale voce è collegata a Layer Fully Connected?
Spiegazione

Le voci correlate sono scelte per collegamento tecnico, non per somiglianza casuale.