Srivastava 외(2014)가 제안한 드롭아웃은 학습 단계마다 유닛의 일부를 무작위로 잠시 제거해, 신경망이 특정 뉴런 하나에 의존하지 못하게 합니다. 이는 가지를 쳐 낸 수많은 신경망의 대규모 앙상블을 학습시키는 것과 비슷한 효과를 내며, 과적합을 눈에 띄게 줄여 줍니다.
드롭아웃은 심층 신경망의 표준 요소로 자리 잡았으며, 지금도 최신 아키텍처에서 다양한 형태로 쓰이고 있습니다.
학습기초
2026년 업데이트
드롭아웃(Dropout)
정의
학습 중 뉴런을 무작위로 비활성화해 과적합을 막고 일반화 성능을 높이는 정규화 기법입니다.
참고문헌
이 정의의 근거가 된 1차 자료, 동료 심사 자료 및 기록 자료입니다.
Dropout: A Simple Way to Prevent Neural Networks from Overfitting
사전 및 백과사전 항목
- Wikipedia — Dilution (neural networks) — Dropout
- Google for Developers — Regularization for sparsity & dropout
이 항목 인용하기
MultipleChat. “드롭아웃(Dropout).” MultipleChat AI·LLM 용어집, 2026. https://multiple.chat/ai-glossary/dropout