fbpx
维基百科

Dropout

十二月 02, 2023

此条目的主題是Google提出的一种正则化技术。关于2022年網路劇集迷你劇集，請見「輟學生」。

Dropout是Google提出的一种正则化技术[1]，用以在人工神经网络中对抗过拟合。Dropout有效的原因，是它能够避免在训练数据上产生复杂的相互适应。[1]Dropout这个术语代指在神经网络中丢弃部分神经元（包括隐藏神经元和可见神经元）。[2][3]在训练阶段，dropout使得每次只有部分网络结构得到更新，因而是一种高效的神经网络模型平均化的方法。[4]

参考文献 编辑

  1. ^ 1.0 1.1 [1],「System and method for addressing overfitting in a neural network」  （页面存档备份，存于互联网档案馆） . [2019-12-11]. 原始内容存档于2021-07-25. 
  2. ^ Dropout: A Simple Way to Prevent Neural Networks from Overfitting. Jmlr.org. [July 26, 2015]. （原始内容于2019-12-05）.  参数|newspaper=与模板{{cite web}}不匹配（建议改用{{cite news}}或|website=） (帮助)
  3. ^ Warde-Farley, David; Goodfellow, Ian J.; Courville, Aaron; Bengio, Yoshua. An empirical analysis of dropout in piecewise linear networks. 2013-12-20. arXiv:1312.6197   [stat.ML]. 
  4. ^ Hinton, Geoffrey E.; Srivastava, Nitish; Krizhevsky, Alex; Sutskever, Ilya; Salakhutdinov, Ruslan R. Improving neural networks by preventing co-adaptation of feature detectors. 2012. arXiv:1207.0580   [cs.NE]. 

十二月 02, 2023
dropout, 此条目的主題是google提出的一种正则化技术, 关于2022年網路劇集迷你劇集, 請見, 輟學生, 此條目需要精通或熟悉相关主题的编者参与及协助编辑, 2019年12月11日, 請邀請適合的人士改善本条目, 更多的細節與詳情請參见討論頁, 是google提出的一种正则化技术, 用以在人工神经网络中对抗过拟合, 有效的原因, 是它能够避免在训练数据上产生复杂的相互适应, 这个术语代指在神经网络中丢弃部分神经元, 包括隐藏神经元和可见神经元, 在训练阶段, dropout使得每次只有部分网络结构得到. 此条目的主題是Google提出的一种正则化技术 关于2022年網路劇集迷你劇集 請見 輟學生 此條目需要精通或熟悉相关主题的编者参与及协助编辑 2019年12月11日 請邀請適合的人士改善本条目 更多的細節與詳情請參见討論頁 Dropout是Google提出的一种正则化技术 1 用以在人工神经网络中对抗过拟合 Dropout有效的原因 是它能够避免在训练数据上产生复杂的相互适应 1 Dropout这个术语代指在神经网络中丢弃部分神经元 包括隐藏神经元和可见神经元 2 3 在训练阶段 dropout使得每次只有部分网络结构得到更新 因而是一种高效的神经网络模型平均化的方法 4 这是一篇与人工神经网络相关的小作品 你可以通过编辑或修订扩充其内容 查论编参考文献 编辑 1 0 1 1 1 System and method for addressing overfitting in a neural network 页面存档备份 存于互联网档案馆 存档副本 2019 12 11 原始内容存档于2021 07 25 Dropout A Simple Way to Prevent Neural Networks from Overfitting Jmlr org July 26 2015 原始内容存档于2019 12 05 参数 newspaper 与模板 cite web 不匹配 建议改用 cite news 或 website 帮助 Warde Farley David Goodfellow Ian J Courville Aaron Bengio Yoshua An empirical analysis of dropout in piecewise linear networks 2013 12 20 arXiv 1312 6197 nbsp stat ML Hinton Geoffrey E Srivastava Nitish Krizhevsky Alex Sutskever Ilya Salakhutdinov Ruslan R Improving neural networks by preventing co adaptation of feature detectors 2012 arXiv 1207 0580 nbsp cs NE 取自 https zh wikipedia org w index php title Dropout amp oldid 79701636, 维基百科，wiki，书籍，书籍，图书馆，

文章

，阅读，下载，免费，免费下载，mp3，视频，mp4，3gp， jpg，jpeg，gif，png，图片，音乐，歌曲，电影，书籍，游戏，游戏。