A técnica de dropout desativa aleatoriamente uma fração das unidades durante o treinamento, ajudando a prevenir overfitting.

O dropout é uma técnica de otimização que aumenta a taxa de aprendizado.

O dropout adiciona ruído aos dados de entrada para melhorar a generalização do modelo.

O dropout é uma técnica de redução de dimensionalidade.

O dropout realiza a seleção de variáveis mais importantes para o modelo.