دراپ‌اوت چیست؟

متوقف‌کردن آموزش به‌محض آنکه کارایی مدل روی دادهٔ اعتبارسنجی رو به افول می‌گذارد، تا از بیش‌برازش جلوگیری شود.

پردازش داده در نزدیکیِ منبع آن، به‌جای مراکز دادهٔ متمرکز.

نمایش داده به‌صورت یک بردار عددیِ فشرده که معنای آن را در خود نگه می‌دارد.

یک بار کامل عبور الگوریتم از کل مجموعه‌داده آموزشی برای یادگیری، که در هر epoch وزن‌های مدل به‌روزرسانی می‌شوند.

معیاری سختگیرانه که پاسخ مدل را تنها در صورتی درست می‌شمارد که کلمه‌به‌کلمه با پاسخ مرجع یکی باشد.

میانگین هماهنگ دقت (precision) و بازخوانی (recall) که کارایی یک مدل دسته‌بندی را در یک عدد واحد خلاصه می‌کند.