Dropout
Dropout është një teknikë stokastike e rregullimit për trajnimin e rrjeteve të thella neurale, prezantuar nga Srivastava, Hinton, Krizhevsky, Sutskever dhe Salakhutdinov në vitin 2014. Gjatë çdo hapi të trajnimit, çdo neuron çaktivizohet në mënyrë të pavarur me probabilitet (1 − p), duke parandaluar rrjetin që njësitë e tij të bashkë-adaptohen tepër ngushtë dhe duke reduktuar kështu mbivendosjen.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Dropout Regularization for Deep Neural Networks. ScholarGate. https://scholargate.app/sq/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.
- Normalizimi i GrupitMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →