Dropout 深度解析：从随机子网络、Inverted Dropout 到 Ridge Regression

Dropout 由 Srivastava、Hinton 等人在 2014 年论文中完整提出，训练时每个神经元以概率 p 保留、以概率 1-p 丢弃，隐藏层默认 p=0.5、输入层 p=0.8，一个含 n 个神经元的网络可产生 2ⁿ 个共享权重的子网络。