レイヤー（ディープラーニング）

深層学習モデルにおけるレイヤーとは、モデルのアーキテクチャにおける構造またはネットワークトポロジーのことで、前のレイヤーから情報を受け取り、それを次のレイヤーに渡す役割を担います。

最初のタイプの層は、全結合層^とも呼ばれる密結合層[ ^{1 ] [ 2 ] [ 3 ]}で、入力データの抽象的な表現に使用されます。この層では、ニューロンは前の層のすべてのニューロンに接続されます。多層パーセプトロンネットワークでは、これらの層が積み重ねられます。

畳み込み層[ ^{4 ]は}、一般的に画像解析タスクに使用されます。この層では、ネットワークがエッジ、テクスチャ、パターンを検出します。この層からの出力は、さらに処理するために全結合層に入力されます。参照：CNNモデル。

プーリング層[ ^{5 ]は}、データ入力のサイズを縮小するために使用されます。

リカレント層は、メモリ機能を備えたテキスト処理に使用されます。畳み込み層と同様に、リカレント層の出力は通常、さらなる処理のために全結合層に入力されます。参照: RNNモデル。^{[ 6 ] [ 7 ] [ 8 ]}

正規化層は、前の層からの出力データを調整して、均一な分布を実現します。これにより、スケーラビリティとモデル学習の効率が向上します。

隠れ層とは、ニューラルネットワークにおいて入力層または出力層以外のすべての層のことです。

深層学習の階層構造と新皮質の階層構造には本質的な違いがある。深層学習の階層構造はネットワークのトポロジーに依存するのに対し、新皮質の階層構造は層内の均一性に依存する。

• ディープラーニング
• 新皮質 § 層