全连接神经网络的原始参考文献

全连接神经网络（Fully Connected Neural Network）是一种常见的人工神经网络模型，也被称为多层感知机（Multilayer Perceptron，MLP）。其原始参考文献可以追溯到以下几篇经典的论文：

1. Rosenblatt, F. (1958). The perceptron: A probabilistic model for information storage and organization in the brain. Psychological Review, 65(6), 386-408.
2. Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533-536.
3. LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.

这些论文分别介绍了全连接神经网络的基本原理和训练方法。Rosenblatt的论文提出了感知机模型，为全连接神经网络的起源奠定了基础。Rumelhart等人的论文则引入了反向传播算法，使得全连接神经网络的训练更加高效。LeCun等人的论文则将全连接神经网络扩展到深度学习领域，并提出了卷积神经网络（Convolutional Neural Network，CNN）等重要概念。