一、全连接层：

在神经网络中，全连接层就是每个神经元都与上一层的所有神经元相连接，即每个神经元都接收上一层所有神经元的输入，并产生输出的一个隐藏层或输出层。（就是对隐藏层和输出层加了限定条件）

如下图所示，隐藏层和输出层都叫做一个全连接层。

二、单层感知机概念：

因为感知机的输出层必须是全连接层，所以单层感知机仅包含输入层和输出层。

• 输出层若是线性回归模型，则输出结果为1个数。
• 输出层若是Softmax回归模型，则输出结果是一个m维向量，其中m表示分类数。

三、多层感知机概念：

多层感知机是单层感知机的推广，包含多个全连接层。
多层感知机的所有隐藏层和一个输出层都必须是全连接层，再加上输入层最终组成了多层感知机。
下图展示了一个三层全连接层的多层感知机：