Machine learning
التسرب (Dropout)
التسرب هو تقنية تنظيم عشوائية لتدريب الشبكات العصبية العميقة، قدمها سريفاستافا وهينتون وكريجيفسكي وسوتسكيفر وسالاخوتدينوف في عام 2014. خلال كل خطوة تدريب، يتم إيقاف تشغيل كل عصبون بشكل مستقل باحتمالية (1 - p)، مما يمنع الشبكة من التكيف الوثيق لوحداتها مع بعضها البعض وبالتالي تقليل الإفراط في التجهيز.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I., & Salakhutdinov, R. (2014). Dropout: A Simple Way to Prevent Neural Networks from Overfitting. Journal of Machine Learning Research, 15, 1929–1958. link ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 7: Regularization for Deep Learning). MIT Press. ISBN: 978-0-262-03561-3
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Dropout Regularization for Deep Neural Networks. ScholarGate. https://scholargate.app/ar/deep-learning/dropout
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- التطبيع الدفعيالتعلم العميق↔ compare