ড্রপআউট
ড্রপআউট হলো গভীর নিউরাল নেটওয়ার্ক প্রশিক্ষণের জন্য একটি স্টোকাস্টিক রেগুলারাইজেশন কৌশল, যা ২০১৪ সালে শ্রীবাস্তব, হিন্টন, ক্রিজেভস্কি, সুটস্কেভার এবং সালাখুতদিনভ প্রবর্তন করেন। প্রতিটি প্রশিক্ষণ ধাপে, প্রতিটি নিউরন (১ − p) সম্ভাব্যতা সহ স্বাধীনভাবে বন্ধ হয়ে যায়, যা নেটওয়ার্ককে তার ইউনিটগুলিকে খুব ঘনিষ্ঠভাবে সহ-অভিযোজিত হতে বাধা দেয় এবং এর ফলে ওভারফিটিং হ্রাস করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Dropout Regularization for Deep Neural Networks. ScholarGate. https://scholargate.app/bn/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.
- Batch Normalizationগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →