↑: [[G検定に関する知識]] - 前の層の全ノードと次の層の全ノードが完全に接続された層 - Kerasでは「Dense層」とも呼ばれる - 別名：FC層（Fully Connected）・Dense層。試験では3つの呼び方を押さえる - パラメータ数: 入力ノード数 × 出力ノード数（非常に多くなりやすい） - 中身：重み付き和にバイアスを足す y = Wx + b の線形関数 - 画像入力時: 1次元ベクトルへ平坦化（Flatten）するため**位置関係が失われる** ← 重要 - [[畳み込み層]]は位置関係を保持するが全結合層は保持しない - [[CNN]]内での役割: 最終層の手前に配置→特徴マップを[[フラットン]]してクラスの確率を出力 - 弱点①：パラメータ数 = 入力ノード数 × 出力ノード数 → 画像では爆発的に増える - 弱点②：入力を1列に並べるため位置情報（空間構造）を失う → [[畳み込み層]]が補う - cf. [[CNN]], [[畳み込み層]], [[フラットン]], [[ソフトマックス関数]] - パラメータ数の正確な式：入力n・出力mで**重み m×n ＋ バイアス m ＝ m(n+1)**（例：n=1000, m=100 → 100,100個）← 重要 - バイアスは**出力ノードごとに1つ**（n個ではない）。m+nのような和ではない - 入力次元に対して**線形**に増える（指数的ではない） - 畳み込み層との対比：畳み込み層は重み共有によりパラメータ数が**画像サイズに依存しない**（フィルタサイズ×入力ch×出力ch＋バイアス） - CNN末尾の全結合層は[[グローバルアベレージプーリング|GAP]]で置き換えるとパラメータ削減＋過学習抑制になる