Abandonul este o tehnică de regularizare utilizată în modelele de învățare profundă pentru a preveni supraadaptarea. Aceasta implică selectarea aleatorie a neuronilor din rețea pentru a fi ignorați sau „abandonați” în timpul antrenamentului, reducând contribuția acestora la activarea neuronilor din aval. Acest lucru ajută la prevenirea co-adaptărilor complexe între neuroni, făcând modelul mai rezistent și mai puțin susceptibil de a supraadapta datele de antrenament. În timpul testării sau inferenței, toți neuronii sunt activați pentru a face predicții. Abandonul s-a dovedit a fi eficient în îmbunătățirea performanței modelelor de învățare profundă, în special cu seturi de date mari și complexe, și este utilizat pe scară largă în practică.
Data publicării: