热点事件持续更新
Dropout 深度解析：从随机子网络到 Ridge Regression
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
2026年10月14日，PyTorch研习社发布文章，对 Dropout 进行深度解析，内容涵盖随机子网络、Inverted Dropout 与 Ridge Regression。文章称，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。这是该事件目前唯一一篇报道，尚无后续进展。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- PyTorch研习社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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。