30秒でわかる要点
学習時にニューロンをランダムに無効化（ドロップ）する正則化手法。過学習を防ぎ、モデルの汎化性能を向上させる。テスト時には全ニューロンを使用する。
「ドロップアウト」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1ドロップアウト（Dropout）が過学習防止に効果的な理由として最も適切な説明はどれか。
- 訓練中にランダムにニューロンを無効化し、複数の弱いモデルのアンサンブル効果を実現する
- ドロップアウトは計算を加速させるだけ
- 全ニューロンの結合を強化する
- 過学習防止に関係ない
答えと解説を見る
正解：A
ドロップアウトは訓練時に確率pでニューロン無効化（テスト時は全ニューロン使用）。異なるサブネットワークが訓練され、複数モデルの投票効果。共適応を防止。B、C、Dは誤り。
Q2ドロップアウト（Dropout）を使用する目的は何か。
- 訓練時にランダムにニューロンを無効化し、過学習を防止する
- テスト時に不確実なニューロンを削除する
- ハイパーパラメータの数を減らす
- 順伝播の計算速度を高速化する
答えと解説を見る
正解：A
ドロップアウトは訓練時に確率pでニューロンをランダムに無効化し、アンサンブル効果を得ることで過学習を防ぎます。
Q3ドロップアウト（Dropout）の仕組みとして正しいものはどれか。
- 訓練時にニューロンをランダムに無効化し、ユニット間の依存を低減
- テスト時に有効化
- 常に全ニューロンを使用
- ニューロンを削除
答えと解説を見る
正解：A
ドロップアウトはアンサンブル効果を得る効果的な正則化手法です。
深層学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
深層学習の練習問題を解く