piilokerrosten
Piilokerrosten (piilokerrosten) käsite viittaa keinotekoisten neuroverkkojen arkkitehtuurin osaan, joka sijaitsee tulon ja lähdön kerrosten välissä. Jokaisessa piilokerroksessa on neuroneja, jotka yhdistävät edellisen kerroksen signaalin painojen ja bias-arvojen kautta ja tuottavat uuden, aktivoidun signaalin seuraavalle kerrokselle. Piilokerrokset mahdollistavat syvien ja ei-lineaaristen transformaatioden suorittamisen, jolloin verkko pystyy oppimaan monimutkaisia ominaisuuksia ja suhteita syötteistä.
Tavallisin muoto piilokerroksista on täysin yhdistetty kerros (dense), jossa jokainen neuroni on yhteydessä kaikkiin edellisen kerroksen
Koulutus tapahtuu painojen ja bias-arvojen optimoinnilla käyttämällä takaisinsyöttöä (backpropagation) ja gradienttien descentia. Aktivaatiokäyrät, kuten ReLU, sigmoid
Piilokerroksia käytetään laajasti muun muassa näkö- ja puheentunnistuksessa sekä luonnollisen kielen käsittelyssä, ja ne ovat keskeinen