一、全连接层FC
1.概念
全连接层（Fully Connected Layer,FC），其功能是将输入数据的所有特征映射到输出层，通过特征提取，在整个卷积神经网络中起到"分类器"的作用，进行分类或回归等任务。
全连接层是神经网络中的最后一层，也被称为"密集连接层"。
2.原理
在全连接层中，输入的每个神经元都与输出的每个神经元相连接。
全连接层通过对输入的线性变换和激活函数的非线性变换，将高维特征压缩或映射到目标维度。其数学定义如下：
其中σ是激活函数，W是权重矩阵，x是输入向量，b是偏置项
优点：1. 融合全局信息 2. 不受限制，可以表示任意线性映射
缺点：1. 参数量大 2. 容易过拟合 3. 会破坏空间结构，丢失语义信息 4. 要求输入图像大小固定
应用：1. 多层感知机MLP 2. CNN分类任务 3. 回归预测