لایه کاملا متصل (همچنین به عنوان لایه متراکم شناخته می شود) نوعی لایه است که معمولاً در معماری شبکه های عصبی استفاده می شود. در یک لایه کاملاً متصل، هر نورون در لایه فعلی به هر نورون در لایه بعدی متصل است، از این رو نام کاملاً متصل است.
کاربرد یک لایه کاملاً متصل در یک شبکه عصبی بسته به نوع معماری مورد استفاده متفاوت است. در شبکه‌های عصبی پیشخور سنتی، لایه کاملاً متصل معمولاً لایه نهایی است و برای خروجی پیش‌بینی‌های شبکه استفاده می‌شود. در شبکه های عصبی کانولوشن (CNN) که معمولاً برای طبقه بندی تصاویر استفاده می شود، لایه کاملاً متصل می تواند به عنوان لایه نهایی برای پیش بینی ها یا به عنوان یک لایه میانی برای کاهش ابعاد فضایی نقشه های ویژگی شبکه استفاده شود.
اهمیت لایه کاملاً متصل در همه انواع معماری شبکه های عصبی این است که امکان ترکیب و ادغام اطلاعات از چندین لایه قبلی را فراهم می کند تا روابط و نمایش های پیچیده تری آموخته شوند. لایه کاملا متصل برای حل بسیاری از وظایف مانند طبقه بندی، رگرسیون و مسائل پیش بینی ضروری است. همچنین می تواند به عنوان راهی برای تنظیم دقیق یک شبکه از پیش آموزش دیده یا افزودن غیرخطی بیشتر به شبکه باشد.
به طور خلاصه، لایه کاملاً متصل بخش مهمی از بسیاری از معماری‌های شبکه‌های عصبی است و نقش مهمی در ترکیب و یکپارچه‌سازی اطلاعات ایفا می‌کند و امکان یادگیری و پیش‌بینی‌های پیچیده‌تر را فراهم می‌کند.