全結合層とは？-AI関連の用語集【クラベルAI】-

全結合層（Fully Connected Layer）

全結合層（Fully Connected Layer）とは、前の層のすべてのユニットと、次の層のすべてのユニットを、一つ残らずつなぐ層のことです。つなぎ目ごとに重みを持つため、特徴を総合して最終的な判断をする役目に向いています。CNNでは、最後に特徴をまとめて分類する部分で使われます。ライブラリによっては、Dense層やLinear層という名前でも登場します。

全結合層（Fully Connected Layer）関連用語

全結合層（Fully Connected Layer）に関連する単語は以下の通りです。

• マルチレイヤーパーセプトロン（Multilayer Perceptron：MLP）全結合層を重ねた仕組みは？→
• 重み（Weight）つなぎ目の数字とは？→
• CNN（Convolutional Neural Network）最後に使うことが多い仕組みは？→
• プーリング層前に置く縮小の部品は？→
• ドロップアウト（Dropout）過学習を防ぐ工夫は？→
• 活性化関数（Activation Function）層の出力を変える関数は？→

全結合層（Fully Connected Layer）で知っておくと得する有益情報

全結合層はシンプルですが、数字の数が増えやすい層です。特徴を3つにまとめました。

• 全部を見比べられるすべての入力を組み合わせて判断できるため、最終判断の層に向きます。
• パラメータが多いつなぎ目の数だけ重みが必要で、大きな層では数が急に増えます。
• 位置の情報は持たない画像のどこにあるかを区別しないので、画像の前半は畳み込み層が担当します。

層の種類と得意なこと

全結合層は、集めた特徴から最終判断を出す部品です。

全結合層（Fully Connected Layer）やさしい解説

全部つなぐって、ごちゃごちゃしない？

会議にたとえます。全員が全員の意見を聞いたうえで、結論を出す方式です。

手間はかかりますが、見落としは少なくなります。全結合層も、すべての情報を踏まえて判断する層です。

画像の分類や顧客データの予測で、最後に答えを決める部分に使われます。重みの数が多くなるため、データが少ないと過学習しやすい点には注意が必要です。

全結合層（Fully Connected Layer）についてのみんなの疑問

全結合層とDense層は同じですか？

同じものを指します。呼び方はライブラリによって違い、Kerasではdense、PyTorchではlinearと呼ばれることが多いです。

全結合層だけでAIを作れますか？

作れますが、画像や文章では専用の層を組み合わせるほうが有利です。表形式のデータなら、全結合層を重ねた多層パーセプトロンだけでも十分に使えます。

全結合層が重いと感じるのはなぜ？

つなぎ目ごとに数字を持つため、層が大きいと数が増えるからです。入力が1000個、出力が1000個なら、重みだけで100万個になります。設計では大きさを抑える工夫をします。

AI関連の用語集【まとめ】

AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方は、ぜひご覧ください。

AI関連の用語集（全用語）気になった言葉は、ここからまとめて探せます。用語集を開く →

この記事は役に立ちましたか？

はい、役に立った いまいち

この記事をシェア

X Facebook LINE はてブ URLをコピー

ブログやSNSで紹介していただくときは、このページのURLをそのままお使いください（リンクはご自由にどうぞ）。

このサイトをホーム画面に追加

分からない言葉が出たとき、すぐ開けます。