增強模型表示方法-dropout

增強模型表示方法-dropout Dropout 的原理爲：在每個迭代過程中，隨機選擇某些神經元，並且刪除它們在⽹絡中的前向和後向連接，相當於是 「去掉」 這些神經元。如圖 6.5所⽰，在每批樣本訓練時，將原始⽹絡中部分隱藏層單元 「去掉」。當然，Dropout 並不意味着這些神經元永遠的消失了，在下⼀批數據迭代前，我們會把⽹絡恢復成最初的全連接⽹絡，然後再⽤隨機的⽅法去掉部分隱藏層的神經元，接着

>>阅读原文<<