全結合ニューラルネットワークとは、ある層のすべてのニューロンが次の層のすべてのニューロンと結合している基本的なニューラルネットワーク構造です。データの全体的な関係性を捉えるのに適しており、ディープラーニングの基礎となる重要なアーキテクチャです。
全結合ニューラルネットワークとは
一言でいうと全結合ニューラルネットワークとは、入力から出力まで隣接する層の間であらゆるノード同士が残さず結びついた、最も基本的で標準的なニューラルネットワークの構造のことです。
詳しく解説
全結合ニューラルネットワークは、多層パーセプトロンとも呼ばれ、入力層、隠れ層、出力層という複数の層で構成されます。特徴的なのは、ある層の全てのニューロンが次の層の全てのニューロンへ結合している点です。それぞれの結合には重みが割り当てられており、データが流れるたびにこの重みが最適化されることで、複雑なパターンや非線形な関係性を学習することが可能になります。ディープラーニングにおける基本的な構成要素として、多くの応用モデルの土台となっています。
具体例・使われ方
具体的な利用例としては、顧客の属性データや過去の購入履歴などを用いたスコアリングや売上予測などの表データ解析タスクが挙げられます。また、畳み込みニューラルネットワークなどの複雑なモデルの最終段で、抽出された特徴量をまとめて最終的なクラス分類や数値予測を行うためにも、全結合層が広く活用されています。
似た用語との違い
局所的なパターンを捉えるために近傍の画素だけを結合する畳み込みニューラルネットワークや、時間的な前後の依存関係を処理する再帰型ニューラルネットワークなどの特殊な構造と異なり、全結合ニューラルネットワークは位置や順序に関する特別な前提を置かずにあらゆる入力を一律に処理します。
注意点
注意点として、全てのノード同士を結合させる構造上、入力データの次元数が大きくなるにつれてパラメータ数が爆発的に増加するという問題があります。そのため、画像や音声などの高次元データをそのまま処理するには計算コストが高すぎることや、過学習を起こしやすい限界があるため注意が必要です。