Machine learning
Dropout
Dropoutは、Srivastava、Hinton、Krizhevsky、Sutskever、Salakhutdinovによって2014年に導入された、ディープニューラルネットワークのトレーニングのための確率的正則化手法です。各トレーニングステップ中に、ニューロンは確率 (1 − p) で独立にオフにされ、ネットワークがユニット間で過度に密接に共適応するのを防ぎ、それによって過学習を軽減します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Dropout Regularization for Deep Neural Networks. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →