请详细描述全连接神经网络的概念？

全连接神经网络(Fully Connected Neural Network，简称 FCNN)是一种常见的神经网络架构。它由输入层、隐藏层和输出层组成，每层之间都有权值矩阵连接。

输入层接收原始数据，隐藏层通过使用激活函数来学习特征表达，输出层则通过计算输入层和隐藏层的结果来预测目标值。

在训练过程中，网络使用反向传播算法来更新权值矩阵，使得网络在预测目标值时的误差最小化。

全连接神经网络通常用于分类问题，但它也可以用于回归问题。其在计算机视觉、语音识别等领域有着广泛的应用。