hidden layer

hidden layerは、人工ニューラルネットワークの構造において、外部から直接見えない内部的な処理を担う層を指します。入力データがこの層を通過する際、各ニューロンが重み付けを行い、活性化関数を用いて非線形な変換を加えることで、単純な線形分離では不可能な複雑なパターンの学習が可能になります。

ディープラーニングにおける役割

単層のネットワークでは表現できない高度な特徴を抽出するために、このhidden layerを複数重ねたものがディープラーニング（深層学習）です。層が深くなるほど、ネットワークはより抽象的な概念を理解できるようになります。例えば、画像認識においては、最初の隠れ層が線やエッジを検出し、次の層が形状を、さらに深い層が物体全体の形を認識するという段階的な処理が行われます。

入力層および出力層との違い

input layer（入力層）は単にデータを受け取るだけで計算は行わず、output layer（出力層）は最終的な予測結果を提示します。一方でhidden layerは、その中間でデータの変換と特徴抽出という実質的な計算処理をすべて担うため、モデルの表現力や学習能力を決定づける極めて重要な要素となります。