Výpadok
Výpadok (Dropout) je stochastická regularizačná technika na trénovanie hlbokých neurónových sietí, predstavená Srivastava, Hintonom, Krizhevským, Sutskeverom a Salakhutdinovom v roku 2014. Počas každého tréningového kroku je každý neurón nezávisle vypnutý s pravdepodobnosťou (1 − p), čím sa zabráni príliš tesnej ko-adaptácii jednotiek siete a redukuje sa tak preučenie.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Dropout Regularization for Deep Neural Networks. ScholarGate. https://scholargate.app/sk/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.
- Normalizácia dávkyHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →