TGViewer
Onlinebme Onlinebme @onlinebme · 4.71K subscribers
Post #4132 3.78K
✅ مفهوم Dropout در یادگیری عمیق

👩‍💻نویسنده: فاطمه بذری
یکی از موانع بزرگ در الگوریتم های یادگیری عمیق، Overfitting است که برای مقابله با این پدیده، راهکارهای متعددی تاکنون توسط محققان ارائه شده است که در قالب تکنیکهای Generalization معرفی و در مقالات مورد استفاده قرار می‌گیرد. در این پست، به بررسی و نحوه پیاده سازی یکی از این تکنیکها  با عنوان Dropout میپردازیم که تاثیر زیادی در مقاوم کردن مدل (شبکه های عصبی) طراحی شده در مواجهه با داده های واقعی دارد. در انتها هم توضیح میدهیم که چطور میتوانیم از Droupout در پایتورچ استفاده کنیم.
⭕️جزییات بیشتر 👇
https://onlinebme.com/dropout-in-neural-networks/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
  • ❤ 13
More from @onlinebme
  1. Sep 30, 2026Onlinebme Podcast: IDEOMOTOR BCI PikoCast: 01 @Onlinebme
  2. Sep 30, 2026✅ ایده مقاله بر پایه‌ی Ideomotor Theory است؛ یعنی این نگاه که اعمال ما تا حد زیادی بر اساس…
  3. Sep 30, 2026🧠 اگر BCI به‌جای «حرکت»، «نیت» را بخواند چه می‌شود؟ 💡در بیشتر BCIهای حرکتی، تلاش می‌کنیم…
  4. Sep 21, 2026🧠 Neuralink BCI ⁉️ ابهامات و سؤالات مطرح‌شده این لحظه در حوزه واسط مغز-کامپیوتر بسیار زیب…
  5. Sep 20, 2026🧠 صحبت کردن با کمک ذهن | Neuralink 💡 شرکت Neuralink ویدیوی جدیدی منتشر کرده که در آن «تر…
  6. Sep 19, 2026🧠 آیا می‌شود شبکه‌های بسیار عمیق را بدون Backpropagation آموزش داد؟ 💡 یک مقاله جالب با ع…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →