Ihre Sitzung wurde wegen ungewöhnlicher Aktivität markiert.
Bitte bestätigen Sie, dass Sie ein Mensch sind, um fortzufahren.
Eine Regularisierungstechnik, die während des Trainings zufällig Neuronen deaktiviert, um Overfitting zu verhindern und die Generalisierung zu verbessern.
Srivastava et al. (2014) führten Dropout ein: In jedem Trainingsschritt wird ein zufälliger Anteil der Einheiten vorübergehend entfernt, sodass sich das Netz nicht auf ein einzelnes Neuron verlassen kann. Das wirkt wie das Training eines großen Ensembles ausgedünnter Netze und verringert Overfitting deutlich.
Dropout wurde zu einem Standardbestandteil tiefer Netze und wird in verschiedenen Formen bis heute in modernen Architekturen eingesetzt.
Primäre, begutachtete und archivierte Quellen für diese Definition.
Führen Sie denselben Prompt in ChatGPT, Claude, Gemini, Grok und Perplexity nebeneinander aus – mit Ihren eigenen Dateien als Kontext und Antworten, die Sie gegenprüfen können.
MultipleChat kostenlos testenMehr erfahren
Senden Sie denselben Prompt an mehrere Modelle und sehen Sie, welche Antwort standhält.
HumanizerSchreiben Sie KI-Entwürfe mit einem anderen Modell um, damit sie natürlich klingen.
KostenlosÜberarbeiten Sie KI-Texte kostenlos, bevor Sie auf einen kostenpflichtigen Tarif umsteigen.
DetektorErkennen Sie typische KI-Muster und überarbeiten Sie nur, was wirklich nötig ist.
LeitfadenVerstehen Sie, was Detektoren messen, und lernen Sie, ehrlich zu schreiben.
WorkspaceChatGPT, Claude, Gemini, Grok und Perplexity in einem Workspace.
Kostenlose ToolsStarten Sie mit kostenlosen Tools und wechseln Sie zum Bezahltarif, wenn die Arbeit mit mehreren Modellen Zeit spart.
