全結合層 (Fully Connected Layer)

全結合層の構造と計算の仕組み

全結合層では、前の層から受け取った各入力に対してそれぞれ重みが掛けられ、それらの重み付き入力の合計にバイアスが加えられます。この結果が活性化関数を通して次の層のニューロンへの出力となります。
もし前の層に m 個のニューロンがあり、全結合層に n 個のニューロンがある場合、これらの層の間には m×n 個の重みパラメータが存在することになります。

CNNにおける全結合層の役割

ニューラルネットワークにおいて、特に画像認識に使われる畳み込みニューラルネットワーク（CNN）などでは、畳み込み層やプーリング層が画像から特徴を抽出する役割を担います。全結合層は、これらの層によって抽出された特徴を受け取り、それらを組み合わせて最終的な判断（分類や回帰）を行う役割を担うことが多いです。
例えるなら、畳み込み層やプーリング層が部品ごとの特徴を見つけ出すのに対し、全結合層はそれらの部品の特徴を総合的に判断して、それが何であるか（例：猫、犬など）を最終的に決定する役割があると言えます。