Dropout
Dropout este o tehnică stochastică de regularizare pentru antrenarea rețelelor neuronale profunde, introdusă de Srivastava, Hinton, Krizhevsky, Sutskever și Salakhutdinov în 2014. În timpul fiecărui pas de antrenament, fiecare neuron este dezactivat independent cu probabilitatea (1 − p), prevenind rețeaua să-și adapteze unitățile prea strâns și reducând astfel supra-ajustarea (overfitting).
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 3). Dropout Regularization for Deep Neural Networks. ScholarGate. https://scholargate.app/ro/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.
- Normalizare pe loturiÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →