DNN，CNN和RNN的12種主要dropout方法的數學和視覺解釋

深入研究DNN，CNN和RNNDropout方法以進行正則化，蒙特卡洛不確定性和模型壓縮 ## 動機 在（深度）機器學習中訓練模型時的主要挑戰之一是協同適應。 這意味着神經元彼此非常依賴。 它們彼此之間影響很大，並且在輸入方面不夠獨立。 找到某些神經元具有比其他神經元重要的預測能力的情況也是很常見的。 換句話說，我們的輸出可能會過度依賴一個神經元。 爲了避免這些影響，必須分配權重以防止過擬合。 某

>>阅读原文<<