卷积神经网络（CNN）

卷积神经网络（Convolutional Neural Network, CNN），是一种具有局部连接、权值共享等特点的前馈神经网络（又称作全连接神经网络），是多层感知机（也称为人工神经网络）的变种，擅长处理图像特别是图像识别等相关机器学习问题，比如图像分类、目标检测、图像分割等各种视觉任务。

前馈神经网络（FNN）、全连接神经网络（FCNN）、多层感知机（MLP）、人工神经网络（ANN）这些术语在一定的上下文中可以指代相似的概念，但有时也有一些微妙的区别。

 1 前馈神经网络

前馈神经网络（Feed-Forward Neural Networks, FNN）通常指的是一类神经网络，其中信息沿着一个方向从输入层传递到输出层，没有循环连接。前馈神经网络通常使用反向传播算法（BackPropagation，BP）进行训练，以调整权重和减小预测误差。

2 全连接神经网络

全连接神经网络（Full Connect Neural Network, FCNN）通常指的是神经网络中的一种层次结构，也被称为全连接层。在全连接层中，每个神经元都与前一层的每个神经元相连，即每个输入都与每个输出相连接。参考全连接神经网络公式详解

3 多层感知机

多层感知机（Multilayer Perceptron, MLP）通常用来描述一种特殊类型的前馈神经网络，其中包括输入层 Input Layer 和输出层 Output Layer，还包含一个或多个隐藏层。每个隐藏层 Hidden Layer 都包含多个神经元，这些神经元使用非线性激活函数来引入网络的非线性性。网络结构图如下所示。

从上图可以看到，多层感知机层与层之间是全连接的。多层感知机最底层是输入层，中间是隐藏层，最后是输出层。 

Q1： 隐藏层的神经元与输入层和输出层是什么关系？