MaxDropoutV2：一种改进卷积神经网络神经元丢弃的方法
机器学习
2022-03-08 v1 计算机视觉与模式识别
摘要
在过去十年中，数据的指数级增长提升了基于机器学习的算法的能力，并使其得以应用于日常活动。此外，这一进步部分归因于深度学习技术的出现，即由简单架构堆叠而成并最终形成更复杂模型的方法。尽管这两个因素都产生了出色的结果，它们也给学习过程带来了缺陷，因为训练复杂模型是一项昂贵的任务，且结果容易对训练数据过拟合。最近提出了一种称为 MaxDropout 的监督正则化技术来解决后者，相较于传统正则化方法提供了若干改进。在本文中，我们提出了其改进版本 MaxDropoutV2。基于两个公开数据集的结果表明，该模型比标准版本运行更快，且在大多数情况下提供了更准确的結果。
引用
@article{arxiv.2203.02740,
title = {MaxDropoutV2: An Improved Method to Drop out Neurons in Convolutional Neural Networks},
author = {Claudio Filipi Goncalves do Santos and Mateus Roder and Leandro A. Passos and João P. Papa},
journal= {arXiv preprint arXiv:2203.02740},
year = {2022}
}