在神经网络学习过程中随机删除一部分神经元。训练时随机选出一部分神经元将其输出设置为0这些神经元将不对外传递信号。

这种方法被称为dropout，它可以避免神经网络过拟合（overfitting）的问题。过拟合是指模型在训练集上表现优秀，但在测试集或未知数据上表现较差的现象。dropout可以强制模型学习到更加鲁棒的特征，因为每个神经元都有可能被随机删除，所以模型需要学习到多种特征表示。此外，dropout还可以减少神经网络中神经元之间的依赖关系，从而提高模型的泛化能力。