Fully-connected network는 인공신경망(artificial neural network)의 한 유형이다. 이는 입력층(input layer), 출력층(output layer) 및 중간에 위치한 여러 개의 은닉층(hidden layer)으로 구성된다. 각 층의 뉴런(neuron)들은 이전 층의 모든 뉴런과 연결되어 있어 "fully-connected"라고 불린다. 이 네트워크는 모든 뉴런이 서로 연결되어 정보를 전달하고 신경망의 출력을 계산하는 데 사용된다.
Fully-connected network는 입력 데이터를 입력층으로 받아들이고, 각 은닉층에서 가중치(weights)와 활성화 함수(activation function)를 통해 변환하며, 마지막으로 출력층에서 최종 결과를 제공한다. 이 네트워크는 일반적으로 지도학습(supervised learning)에서 분류(classification) 및 회귀(regression) 작업에 사용된다.
Fully-connected network는 단순한 구조이지만 다양한 응용 분야에서 좋은 성능을 발휘할 수 있다. 그러나 네트워크가 깊어질수록 많은 가중치와 계산량이 필요하므로, 규모가 큰 네트워크에서는 다른 구조, 예를 들면 합성곱 신경망(Convolutional Neural Network, CNN)이나 순환 신경망(Recurrent Neural Network, RNN) 등이 사용될 수 있다.
