10 views
全結合層は、ニューラルネットワークにおいて前の層のすべてのニューロンと次の層のすべてのニューロンが結合している基本構造です。データの最終的な分類や回帰を行う重要な役割を持ち、多くの深層学習モデルの出力段で広く使われています。
全結合層とは
全結合層とは、ニューラルネットワークを構成する層の一つであり、ある層のすべてのノードが、次の層のすべてのノードと余すところなく結合している構造を持つ部分のことです。
詳しく解説
全結合層の内部では、入力されたデータに対してそれぞれ「重み」を掛け合わせ、バイアス（偏置）を加算した上で活性化関数に渡すという演算が行われます。畳み込みニューラルネットワークなどのモデルにおいても、画像の特徴抽出を行った後の最終的な判断を下す段階で全結合層が配置され、抽出された特徴量を統合して最終的な予測を出力するために重要な役割を果たします。
具体例・使われ方
例えば、手書き数字の画像を認識するタスクにおいて、画像から抽出された複雑な特徴パターンをもとに「これが数字の3である確率」を算出する最終判断のプロセスで全結合層が活用されます。
似た用語との違い
部分的な結合のみを扱う畳み込み層とは異なり、全結合層はすべての要素同士を結合させるため、入力データの大域的な関係性を捉えることができますが、パラメータ数が膨大になりやすいという違いがあります。
注意点
パラメータ数が非常に多くなりやすいため、過学習を引き起こしやすく、計算コストが増大するという欠点があります。そのため、近年の大規模な画像処理モデルなどでは、全結合層の代わりに大域平均プーリングを用いるなどの工夫が行われることも増えています。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年8月27日 11:21