Dropout je tehnika regularizacije koja se koristi u modelima dubokog učenja kako bi se spriječilo prekomjerno prilagođavanje. To uključuje nasumično odabiranje neurona u mreži koji će biti ignorirani ili "ispušteni" tijekom treninga, smanjujući njihov doprinos aktivaciji nizvodnih neurona. To pomaže u sprječavanju složenih ko-adaptacija između neurona, čineći model otpornijim i manjom vjerojatnošću da će se previše prilagoditi podacima o treniranju. Tijekom testiranja ili zaključivanja, svi neuroni se aktiviraju da daju predviđanja. Ispadanje se pokazalo učinkovitim u poboljšanju izvedbe modela dubinskog učenja, posebno s velikim i složenim skupovima podataka, te se široko koristi u praksi.
Datum objave: