يقدم هذا البحث شبكة عصبية متصلة تكيفياً (ACNet) لتحسين الشبكات العصبية التلافيفية التقليدية (CNNs) في جوانبَين. أولاً، تعتمد ACNet طريقة مرنة للتبديل بين الاستدلال العالمي والموضعي عند معالجة التمثيلات المميزة الداخلية من خلال تحديد الاتصال بين العقد المميزة (مثل، البكسل في الخرائط المميزة) بشكل تكيفي\footnote{في مجال الرؤية الحاسوبية، يشير العقد إلى بكسل من خريطة مميزة، بينما في مجال الرسم البياني، يشير العقد إلى عقدة الرسم البياني.}. يمكن إظهار أن الشبكات العصبية التلافيفية الموجودة، والشبكة العصبية المتعددة الطبقات الكلاسيكية (MLP)، والشبكة العصبية غير المحلية التي تم اقتراحها مؤخراً (NLN)\cite{nonlocalnn17} هي جميعها حالات خاصة من ACNet. ثانياً، يمكن لـ ACNet أيضاً التعامل مع البيانات غير الأقليدية. تُظهر التحليلات التجريبية الواسعة على مجموعة متنوعة من المقاييس (أي تصنيف ImageNet-1k، وكشف وتقسيم COCO 2017، وإعادة تحديد الشخص في CUHK03، وتحليل CIFAR، وتصنيف المستندات في Cora) أن ACNet لا تستطيع فقط تحقيق أداء رائد بل também تتغلب على قيود الشبكة العصبية المتعددة الطبقات الكلاسيكية والشبكات العصبية التلافيفية التقليدية\footnote{المؤلف المقابل: ليانغ لين ([email protected])}. يمكن الحصول على الكود من \url{https://github.com/wanggrun/Adaptively-Connected-Neural-Networks}.