Warstwa wyjściowa (Output Layer).

Warstwa wyjściowa jest ostatnim etapem architektury sieci neuronowej, w którym generowane są ostateczne rezultaty przetwarzania danych. Jej zadaniem jest przekształcenie informacji przetworzonych i zinterpretowanych przez poprzednie warstwy na format odpowiedni do rozwiązania danego problemu, na przykład klasyfikacji, regresji czy prognozowania. W zależności od zastosowania, liczba neuronów w warstwie wyjściowej oraz funkcja aktywacji są dostosowywane do wymagań zadania.

W zadaniach klasyfikacyjnych, warstwa ta często wykorzystuje funkcję aktywacji softmax, umożliwiającą przypisanie prawdopodobieństw do poszczególnych klas. W problemach regresji natomiast stosuje się zazwyczaj liniową funkcję aktywacji, pozwalającą na wygenerowanie wartości ciągłych. Warstwa wyjściowa odgrywa kluczową rolę w procesie uczenia sieci neuronowej, gdyż to właśnie z jej wyników wyliczane są funkcje błędu, które z kolei wpływają na aktualizację wag w trakcie propagacji wstecznej.