最近在学习caffe,里面有一个名词叫做Dropout Learning,一直没明白是什么意思,直到最近才发现一片文章介绍Dropout Learning的,希望可以给不知道的同学一定的帮助,如果想要更深入的了解可以阅读该文献,文章结尾会给出参考文献。
Dropout Learning是训练深度学习网络训练参数的一种方法,它可以避免过拟合并且可以有效结合指数个数(2n,n表示神经元的个数)的网络结构。
Dropout就是在训练网络时随机的舍弃掉隐层和可视层的一些神经元,其输入及输出连接也相应的去掉。最简单的情况便是独立的以概率P来选择一个神经元,P=0.5会使训练达到最优。但对于输入层P=1时最优。网络各层都使用权值共享。每次训练时都会随机的选择一些神经元来组成一个“变瘦”的网络,下次训练时会重新选择神经元组成新的网络,但权重会使用上次训练好的值,一直这样继续下去,直到满足误差或达到一定的迭代次数。(有n个神经元,每个神经元都有可能被选择到,所以共有Cn0+ Cn1 +Cn