Fully Connected Layer

释义 Definition

全连接层：神经网络中的一种层结构，指该层中的每个神经元都与上一层的所有神经元相连接，通过学习得到的权重（weights）和偏置（biases）对输入特征进行线性变换（通常再接激活函数），常用于将提取到的特征映射到最终任务（如分类）的输出空间。也常被称为 Dense layer（稠密层）。

例句 Examples

A fully connected layer combines all input features to produce the final prediction.
全连接层会把所有输入特征综合起来，生成最终预测。

After the convolutional blocks, the model uses a fully connected layer to map high-level features to class probabilities, but too many parameters can cause overfitting.
在卷积模块之后，模型使用全连接层把高层特征映射为类别概率，但参数过多可能导致过拟合。

发音 Pronunciation (IPA)

/ˌfʊli kəˈnɛktɪd ˈleɪər/

词源 Etymology

该术语由 fully（完全地）+ connected（连接的）+ layer（层）构成，字面意思是“完全连接的层”。在深度学习框架中常用同义词 dense（稠密的）来强调其连接是“密集的、无缺口的”，与只连接局部区域的卷积层形成对比。

相关词 Related Words

• Dense Layer
• Neural Network
• Perceptron
• Convolutional Layer
• Activation Function
• Weight Matrix
• Bias
• Dropout
• Backpropagation
• Softmax

文献与作品 Literary / Notable Works

• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）中对全连接层/稠密层在分类器尾部的作用有系统讲解。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）在神经网络章节中讨论与全连接结构等价的多层感知机（MLP）形式。
• “ImageNet Classification with Deep Convolutional Neural Networks”（Krizhevsky, Sutskever, Hinton, 2012）经典架构在卷积层后使用了多层全连接层进行分类。