全結合層
全結合層
全結合層とは、ニューラルネットワークにおいて全てのノードを結合する層を指します。
特にCNNにおいては出力層に全結合層が用いられ、特徴マップを結合し出力を一次元の数値とすることで元の画像データがどのラベルに属するかを示す確率となります。
👉より体系的に学びたい方は「人工知能基礎」（東京大学松尾豊先生監修）へ
クイズ
以下の文章を読み、空欄（ア）に最もよく当てはまる選択肢を1つ選べ。
畳み込みニューラルネットの構造に関して、畳み込み層とプーリング層を並べ、これを繰り返すものが一般的である。最後には（ア）層を配置するのが一般的である。
（参考：深層学習 P82）
- 正解を見る
- 解説を見る畳み込みニューラルネットワーク（CNN）では，複数の畳み込み層とプーリング層によって画像から特徴を抽出する．これらの層の出力は特徴マップと呼ばれる画像であるため，分類問題などに適用するには，最後に全結合層によって出力層に接続する．
👉G検定の受験対策は約1,000問収録の「G検定実践トレーニング」へ
人工知能基礎講座を提供中
人工知能の第一人者である東京大学の松尾豊教授が監修した人工知能基礎講座を受講してみませんか？
人工知能の歴史から自然言語処理、機械学習、深層学習といった最先端のトピックやAIに関わる法律問題まで網羅しているので全てのビジネスパーソン・AIの初学者におすすめです。
サンプル動画
人工知能基礎講座はこちら↓
AI初学者・ビジネスパーソン向けのG検定対策講座
G検定受験前にトレーニングしたい方向けの問題集「G検定実践トレーニング」も提供中です。
zero to oneの「E資格」向け認定プログラム
日本ディープラーニング協会の実施するE資格の受験ならzero to oneの「E資格」向け認定プログラム (税込165,000円) をおすすめします。当講座は、東京大学大学院工学系研究科の松尾豊教授と東北大学大学院情報科学研究科の岡谷貴之教授が監修する実践的なプログラムとなっています。
厚生労働省の教育訓練給付制度対象のE資格認定プログラムの中では最安値※となり、実質負担額49,500円～(支給割合70%の場合)で受講可能です。※2023年弊社調べ
