‘壹’ 涓轰粈涔埚嵎绉绁炵粡缃戠粶闇瑕佸紩鍏ュ叏杩炴帴灞
鍗风Н绁炵粡缃戠粶闇瑕佸紩鍏ュ叏杩炴帴灞傜殑铡熷洜鏄涓轰简瀹屾垚鐗瑰緛鍒拌緭鍑虹殑鏄犲皠鍜屽垎绫汇
璇︾粏瑙ｉ喷濡备笅锛
1. 鐗瑰緛鎻愬彇涓庢椠灏锛氩嵎绉绁炵粡缃戠粶镄勫墠鍗婇儴鍒嗕富瑕佺敱鍗风Н灞伞佹睁鍖栧眰绛夋瀯鎴愶纴鐢ㄤ簬浠庤緭鍏ユ暟鎹涓鎻愬彇链夌敤镄勭壒寰併傝繖浜涚壒寰佺粡杩囧嵎绉鍜屾睁鍖栨搷浣滃悗锛屽凡缁忓寘钖浜嗗浘镀忎腑镄勫叧阌淇℃伅銆备絾鏄锛岃繖浜涚壒寰佽缮闇瑕佽繘涓姝ュ勭悊镓嶈兘鐢ㄤ簬杈揿嚭棰勬祴缁撴灉銆傚叏杩炴帴灞傛ｅソ镓婕斾简杩欐牱涓涓瑙掕壊锛屽畠灏嗗嵎绉灞傛彁鍙栫殑鐗瑰緛杩涜屽姞𨱒幂粍钖堬纴褰㈡垚链缁堢殑琛ㄧず锛屼粠钥屽畬鎴愮壒寰佸埌杈揿嚭镄勬椠灏勚
2. 鍒嗙被涓庤瘑鍒浠诲姟镄勯渶姹锛氩逛簬璁稿氲＄畻链鸿呜変换锷★纴濡傚浘镀忓垎绫汇佺洰镙囨娴嬬瓑锛屾渶缁堢殑杈揿嚭寰寰鏄涓涓鎴栧氢釜镙囩俱傝繖浜涙爣绛剧殑鐢熸垚闇瑕佺绣缁滃圭壒寰佺殑鍏ㄩ溃瀛︿範鍜岀悊瑙ｃ傚叏杩炴帴灞傦纴鐢变簬鍏跺叏杩炴帴镄勭壒镐э纴鑳藉熸湁鏁埚湴瀵硅緭鍏ョ壒寰佽繘琛屾暣钖埚拰鍒嗙被锛屼娇寰桟NN鑳藉熸洿濂藉湴瀹屾垚鍒嗙被浠诲姟銆傚畠阃氲繃瀵圭壒寰佺殑鍏ㄩ溃瀛︿範鍜岀粍钖堬纴涓虹绣缁沧彁渚涗简鍐崇瓥镄勪緷鎹銆
3. 璋冩暣鍜屼紭鍖栫绣缁沧ц兘锛氩叏杩炴帴灞傝缮鍙浠ュ府锷╄皟鏁村拰浼桦寲缃戠粶镄勬ц兘銆傞氲繃璋冩暣鍏ㄨ繛鎺ュ眰镄勫弬鏁帮纴缃戠粶鍙浠ラ傚簲涓嶅悓镄勬暟鎹闆嗗拰浠诲姟闇姹伞傛ゅ栵纴阃氲繃娣诲姞棰濆栫殑鍏ㄨ繛鎺ュ眰鎴栬呬娇鐢ㄤ笉钖岀殑杩炴帴鏂瑰纺锛岀绣缁滃彲浠ユ洿濂藉湴瀛︿範鏁版嵁镄勫唴鍦ㄨ勫緥鍜屾ā寮忋
缁间笂镓杩帮纴鍏ㄨ繛鎺ュ眰鍦ㄥ嵎绉绁炵粡缃戠粶涓璧峰埌浜呜呖鍏抽吨瑕佺殑浣灭敤銆傚畠涓崭粎瀹屾垚浜嗙壒寰佸埌杈揿嚭镄勬椠灏勶纴钥屼笖浣垮缑缃戠粶鑳藉熸洿濂藉湴杩涜屽浘镀忓垎绫荤瓑浠诲姟銆傞氲繃鏁村悎鍜屼紭鍖栫壒寰侊纴鍏ㄨ繛鎺ュ眰甯锷╃绣缁沧洿濂藉湴瀛︿範鍜岀悊瑙ｆ暟鎹锛屾彁楂树简妯″瀷镄勬ц兘銆
‘贰’ 为什么全连接神经网络在图像识别中不如卷积神经网络
输入数据是n*n的像素矩阵，再使用全连接神经网络，那么参数的个数会是指数级的增长，需要训练的数据太多。
而CNN的话，可以通过共享同一个参数，来提取特定方向上的特征，所以训练量将比全连接神经网络小了很多。
‘叁’ 什么是全连接神经网络怎么理解“全连接”
1、全连接神经网络解析：对n-1层和n层而言，n-1层的任意一个节点，都和第n层所有节点有连接。即第n层的每个节点在进行计算的时候，激活函数的输入是n-1层所有节点的加权。
2、全连接的神经网络示意图：
3、“全连接”是一种不错的模式，但是网络很大的时候，训练速度回很慢。部分连接就是认为的切断某两个节点直接的连接，这样训练时计算量大大减小。