出力層

ネットワークの最後で予測値を出す層

出力層は、ニューラルネットワークの最後に置かれ、モデルの最終的な予測値を出す層です。Google Machine Learning Crash Courseは、すべてのニューラルネットワークが、入力層、出力層、そしてその間にある任意の数の隠れ層から成り立つと説明しています。隠れ層の数はモデルによって変わりますが、予測値を出す出力層はどのネットワークにもあります。

線形モデルの出力ノードy'

同じ教材は、まずy' = b + w1x1 + w2x2 + w3x3という線形モデルをネットワークの形で示しています。この図では、x1、x2、x3が3つの入力ノードで、y'が出力ノードです。このy'のノードが出力層にあたります。

出力ノードの値は、各入力値に重み(w1、w2、w3)を掛けて足し合わせ、バイアスbを足して求めます。教材では、x1=1.00、x2=2.00、x3=3.00を入力して出力ノードの値を計算します。そのあと入力層の2番目のノードの値を2.00から2.50に増やすと、出力ノードの値も変わることを確かめられます。また、出力ノードをクリックすると、重み(w1、w2、w3)とバイアス(b)のパラメータの値を確認できます。

隠れ層があるときの出力層の計算

入力層と出力層の間に層を加えると、その層は隠れ層と呼ばれ、隠れ層のノードはニューロンと呼ばれます。隠れ層があるモデルでは、出力層のニューロンは隠れ層のニューロンの値を入力として受け取ります。計算の方法は、入力層から出力層を計算するときと同じです。つまり、出力層は入力データを直接受け取るとは限らず、直前の層の値をもとに最終的な予測値を計算します。

シラバスでの位置づけ

出力層は、G検定シラバス2024(第1.4版)の中項目11 ニューラルネットワークとディープラーニングのキーワードに含まれています。