文献类型：期刊文章

作　　者：张云[1] 李岚[1] 王浩东[2]

ZHANG Yun;LI Lan;WANG Hao-dong(School of Digital Medial,Lanzhou University of Arts and Science,Lanzhou 730000,China;Nanjing Post Distribution Center of China Post Express Logistics,Nanjing 210003,China)

机构地区：[1]兰州文理学院数字媒体学院,甘肃兰州730000 [2]中国邮政速递物流南京集散中心,江苏南京210003

出　　处：《兰州文理学院学报（自然科学版）》

基　　金：甘肃省高等学校科研项目(2016A-105);甘肃省大学生创新创业训练计划项目(201611562017);2017年教育部高教司第二批产学研协同育人项目“基于项目驱动的Java系列课程实践教学改革研究”(201702163024);2019年甘肃省创新创业项目“基于‘多维度创新’的数字媒体技术专业教学体系研究与构建”

年　　份：2019

卷　　号：33

期　　号：6

起止页码：84-87

语　　种：中文

收录情况：JST、普通刊

摘　　要：针对机器学习中深度神经网络训练时常见的过拟合问题,提出了一种防止过拟合的Dropout优化算法.Dropout算法是在每批次的神经网络训练中,忽略掉一定概率的特征检测器,让某些神经元暂时停止工作,减少神经元之间的相互作用,隐式去除网络中的神经元、阻止某些特征的协同作用来缓解过拟合.算法中选择被暂时丢弃的神经元是随机概率,而优化算法在神经网络中应用伊辛模型来识别链接能量较低的神经元,并在训练和推理中把这些神经元暂时丢弃掉,算法使模型泛化性更强,有效缓解网络训练过拟合问题.

关 键 词：深度神经网络  过拟合 神经元 机器学习  伊辛模型

分 类 号：TP391.41]