详细阐述卷积神经网络中的全连接层的相关理论

全连接层(Fully Connected Layer)是卷积神经网络(Convolutional Neural Network, CNN)中的一种常见的神经网络层，也被称为密集连接层(Dense Layer)或者全连接层。

在卷积神经网络中，前面的卷积层和池化层等层次的输出是一个三维张量，它们的维度通常被表示为(宽度，高度，通道数)，也可以被称为特征图(Feature Map)。全连接层的输入是一个一维的向量，它将前面卷积层和池化层的输出“拉平”成一个向量。

全连接层的主要作用是将前面的卷积层和池化层的特征提取结果进行分类或者回归等任务。全连接层的输出通常是一个向量，其中每个元素对应着