Что делает полносвязный слой (Dense) в нейронной сети?

Краткое пояснение:

Пошаговое решение:

1. Шаг 1: Полносвязный слой принимает на вход вектор признаков.
2. Шаг 2: Каждый нейрон этого слоя связан со всеми нейронами предыдущего слоя.
3. Шаг 3: Выполняется линейное преобразование: входной вектор умножается на матрицу весов слоя, и к результату прибавляется вектор смещения. Математически это можно представить как $$y = Wx + b$$, где $$x$$ — входной вектор, $$W$$ — матрица весов, $$b$$ — вектор смещения, а $$y$$ — выход линейного преобразования.
4. Шаг 4: К результату линейного преобразования применяется функция активации (например, ReLU, Sigmoid, Tanh). Эта функция вводит нелинейность, позволяя сети моделировать сложные зависимости в данных.

Ответ: Полносвязный слой (Dense) применяет линейное преобразование (умножение на веса и добавление смещения), а затем функцию активации, которая вводит нелинейность.