1、 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。

2、 由单层的神经网络有自己的缺陷，那就是解决的都是一些线性的问题，遇到了非线性的问题就束手无策了，所以就引入了多层的神经网络，去解决线性问题，当然多层的神经网络也能兼顾解决线性问题。

3、 获得许多组这样的数据组成样本，将输入和输出样本提交给神经网络，神经网络通过一定的训练算法，如BP算法对这组数据进行学习。 当网络训练好后，该网络就能反映这些数据内部的非线性关系。 当你用一组新测量到的数据Xtest作为输入，神经网络的输出Ytest就是预估值。