提示詞描述

此全連接神經網路採用分層串聯架構，包含五個核心層：輸入層、三個隱藏層和輸出層。整體結構如下： 輸入層 (3D) → 隱藏層 1 (512D) → 隱藏層 2 (512D) → 隱藏層 3 (256D) → 輸出層 (200D) 每一層都有明確的功能角色，形成一個完整的「特徵擴展 → 特徵深化 → 特徵精煉 → 目標映射」特徵處理流程： 1. 輸入層：接收預處理後的 3D 標準化輸入特徵，完成資料格式轉換，為後續的特徵映射提供基礎。 2. 隱藏層 1 (特徵擴展層)：實現從 3D 低維輸入到 512D 高維特徵空間的映射，充分擴展特徵空間，挖掘輸入參數的潛在關聯資訊。 3. 隱藏層 2 (特徵深化層)：維持 512D 高維特徵空間，透過深度映射加強特徵交互，進一步提取與應力序列相關的核心特徵。 4. 隱藏層 3 (特徵精煉層)：將 512D 特徵降維至 256D，消除冗餘特徵資訊，聚焦核心有效特徵，為輸出層提供高品質的特徵輸入。 5. 輸出層：將 256D 核心特徵映射到 200D，輸出與真實應力序列相對應的預測結果，完成迴歸任務的目標輸出。根據以上描述繪製此全連接神經網路的示意圖。