简述全连接神经网络的正向传播过程。

全连接神经网络的正向传播过程指的是输入数据经过网络传播后得到输出结果的过程。具体步骤如下：

1. 输入层：将输入数据送入神经网络的输入层。

2. 隐藏层：输入数据经过输入层后，进入连接隐藏层的神经元。隐藏层是由多个神经元组成的层，每个神经元都会对输入数据进行加权求和，并通过激活函数进行非线性转换得到输出结果。

3. 输出层：隐藏层的输出结果再进入连接输出层的神经元。输出层通常是由一个或多个神经元组成的层，每个神经元同样会对输入数据进行加权求和，并通过激活函数进行非线性转换得到最终的输出结果。

4. 损失函数：输出层的结果和真实结果进行比较，计算损失函数。损失函数通常是一个标量，用于衡量输出结果和真实结果的差异。

5. 反向传播：根据损失函数的结果，使用反向传播算法计算每个神经元的误差，并根据误差调整神经网络中的权重和偏置，以降低损失函数的值。

6. 重复迭代：重复以上步骤，直到损失函数收敛或达到预设的迭代次数。

通过以上步骤，全连接神经网络可以将输入数据映射到输出结果，实现各种复杂的任务，如图像分类、语音识别、自然语言处理等。