· 2014
Dropout: sinir ağlarını aşırı uydurmaktan korumanın basit bir yolu
Dropout: a simple way to prevent neural networks from overfitting
- 34.283atıf
- 2014yıl
Kısa özet
Eğitim sırasında sinir ağlarından rastgele birimleri çıkaran 'dropout' adlı yeni bir teknik, ağların aşırı uzmanlaşmasını engelleyerek aşırı uydurmayı önemli ölçüde azaltır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Dropout, eğitim sırasında sinir ağlarından rastgele birimleri kaldırır.
- Bu, birimlerin aşırı derecede birlikte uyum sağlamasını engelleyerek aşırı uydurmayı azaltır.
- Test zamanında, ölçeklenmiş ağırlıklara sahip tek bir ağ, birçok 'inceltilmiş' ağın tahminlerinin ortalamasının etkisini yaklaştırır.
- Dropout, vizyon, konuşma ve belge sınıflandırma gibi denetimli öğrenme görevlerinde performansı önemli ölçüde artırır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Deep neural nets with a large number of parameters are very powerful machine learning systems. However, overfitting is a serious problem in such networks. Large networks are also slow to use, making it difficult to deal with overfitting by combining the predictions of many different large neural nets at test time. Dropout is a technique for addressing this problem. The key idea is to randomly drop units (along with their connections) from the neural network during training. This prevents units from co-adapting too much. During training, dropout samples from an exponential number of different “thinned ” networks. At test time, it is easy to approximate the effect of averaging the predictions of all these thinned networks by simply using a single unthinned network that has smaller weights. This significantly reduces overfitting and gives major improvements over other regularization methods. We show that dropout improves the performance of neural networks on supervised learning tasks in vision, speech recognition, document classification and computational biology, obtaining state-of-the-art results on many benchmark data sets.
Yazarların özeti; kaynağından alınmıştır., 2014 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Yapay Zeka
Artificial IntelligenceComputer Science