Para a realização de “dropout”, basta se multiplicar as ativações por variáveis aleatórias de Bernoulli com uma dada probabilidade

Durante a predição, todas as unidades são mantidas ativas não sendo necessário se realizar nenhum outro ajuste das ativações

O uso da técnica de “dropout” força a rede a construir uma representação distribuída e redundante

O uso da técnica de “dropout” pode ser visto como equivalente a treinar uma grande coleção (ou “ensemble”) de modelos que compartilham parâmetros

Durante a predição, apesar de todas as unidades serem mantidas ativas, deve-se tomar o cuidado de ajustar os valores das ativações de forma que a saída de cada neurônio corresponda a expectativa de valor da saída durante o treinamento