7장

신경망은 인접하는 계층의 모든 뉴런과 결합되어 있음 이를 완전결합이라고 하고, 완전히 연결된 계층을 Affine계층 이라는 이름으로 구현했음 완전 신경연결망은 Affine - Relu계층( or Sigmoid)가 이어졌음 CNN에서는 새로운 합성곱계층 (Conv) 과 풀링계층(Pooling)계층이 추가됨 그래서 Conv- Relu - (Pooling) 으로 연결됨 마지막 출력계층은 Affine-softmax 조합을 사용함 완전연결 계층에서는 인접하는 계층의 뉴런이 모두 연결되고 출력수는 임의로 정할 수 있음 그럼 문제점은? 데이터 형상이 무시된다는 점임 이미지인경우 세로 가로 채널(색상)로 구성된 3차원 데이터임 완전연결 계층에 입력할 때는 3차원데이터를 차원데이터로 바꿔줘야함 이미지는 3차원 형상이고 공간적 정보가 담겨있는데 ( 3차원속에서 의미를 갖는 본질적인 패턴 등) 완전연결 계층은 형상을 무시하고 모든 입력 데이터를 동등한 뉴런으로 취급하여 형상에 담긴 정보를 살릴수가 없음...

원문링크 : 7장