神经网络中密集（全连接）层的使用

Question

我知道密集层意味着一个典型的完全连接层，这意味着每个输入都将到每个神经元进行乘法。但最近我脑海中出现了一些问题，当在youtube、博客、StackOverflow和文章上搜索时，没有人给我满意的答案。

1-为什么我们需要神经网络中的全连接（密集）层，它的用法？我们不能使用稀疏层吗（意味着一些输入只会到达一些神经元，所以所有神经元不会得到所有输入）

2-如果我们使用稀疏层会发生什么？我知道计算量会更少，但对输出会有什么影响。神经元是否能够像密集层一样执行。

3-在神经网络中，哪一层是更好的稀疏层或密集层。（利弊）

4-如果我们可以使用稀疏层，并且它的性能很好，那么为什么我没有听说过比FCN（完全连接层）更高的这个术语

稀疏层与神经网络中的下拉层不同。在下拉层中，您修剪/删除一些神经元，但其他神经元获得前一层的所有输出。所以不一样。

提前感谢您的帮助。

Answer 1

使用稀疏层只会引入更多需要调整的功能。你的稀疏层看起来像什么，什么连接到什么？使用密集层至少可以保证使用连接的可能性。

您还可以回答自己的问题，显然稀疏层并不更好，否则您会听到他们的声音。另一方面，辍学是有用的，并且被广泛使用。