全結合層は、ニューラルネットワークを構成する基本的な要素の一つです。この層は、線形変換を実行する役割を担っており、その名の通り、層内の全てのニューロンが、前の層の全てのニューロンと接続されているのが最大の特徴です。

具体的には、あるニューロンへの入力は、前の層の各ニューロンの出力に重みと呼ばれる係数を乗じたものの総和として計算されます。この総和には、さらにバイアスという定数値が加算されます。この重みとバイアスが、全結合層の学習可能なパラメータとなります。

ネットワークが学習を進める中で、これらのパラメータが自動的に調整され、特定の入力パターンに対する適切な出力を導くように変化していきます。

全結合層は、ニューラルネットワークの最終段階や、中間層として広く利用されます。例えば、画像認識タスクでは、畳み込み層などで特徴量が抽出された後、この全結合層がそれらの特徴を組み合わせて最終的な分類（例えば、「猫」か「「犬」かなど）を行うために用いられることが多いです。

全結合層は、入力された情報に対して、複雑な関係性やパターンを捉え、それを次の層や最終的な出力へと伝達する上で重要な役割を果たします。

ディープラーニングモデルにおいて、入力された生データから抽出された抽象的な情報を、タスクに応じた意味のある表現へと変換する「橋渡し役」とも言えるでしょう。