feelikesummer-CSDN博客

原创文献阅读：Improving neural networks by preventing co-adaptation of feature detectors

当一个深度反向传播神经网络在小的训练集上训练时，通常会在所提供的测试数据项中表现得很差。这种现象被称之为“过拟合”，这种“过拟合”可以通过在每个训练案例上随机省略一半的特征检测器而大大减小。从而阻止了复杂的共适应，其中特征检测器只在其他几个特定的特征检测器的环境中起到作用。相反地，每一个神经元学习如何去检测特征的过程，通常有助于得出正确答案，因为它必须在相结合着的且庞大的内部环境中去进行操作。随机“dropout”在许多基准测试以及为语音、目标识别设置新记录等方面都给予了成效有佳的改进。

2020-05-05 16:13:59 1002

原创 Stanford CS231N：Reinforcement Learning 学习笔记

Reinforcement Learning ProblemsOverview1.”Markov Decision Process”2.Q-Learning3.Policy Gradients4.SummaryOverview1)What is Reinforcement Learning?2)Markov Decision Processes3)Q-Learning4)Policy G...

2020-04-16 20:31:47 691

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 文献阅读：Improving neural networks by preventing co-adaptation of feature detectors

原创 Stanford CS231N：Reinforcement Learning 学习笔记

空空如也

空空如也

原创文献阅读：Improving neural networks by preventing co-adaptation of feature detectors