Dropout이란?
학습 중 각 뉴런을 확률 p로 일시적으로 끄는 기법이다. 2014년 Hinton 제안.
효과
- 특정 뉴런 의존성 방지
- 앙상블 효과 (매번 다른 서브네트워크)
- 과적합 감소
Transformer는 attention·FFN 양쪽에 적용.
Dropout란?
정의
학습 중 무작위로 일부 뉴런을 비활성화해 과적합을 막는 정규화 기법.
🔗 함께 보면 좋은 용어
AI 전체 →멀티 에이전트 오케스트레이션
Supervisor·Hierarchy·Network 패턴으로 여러 에이전트 조율.
청킹 전략 상세
고정·문장·계층·의미론적·Agentic 청킹. RAG 품질의 결정.
추론 지연 최적화
TTFT·TPS·Batching·KV Cache·Speculative·Quantization 조합.
A2A
Agent-to-Agent Protocol
에이전트 간 통신 표준. Google이 제안. MCP와 상호 보완.
Accuracy
전체 예측 중 맞춘 비율. 클래스 불균형 시 오해를 유발할 수 있음.
Activation Function
신경망 뉴런의 비선형 변환. ReLU·GELU·Sigmoid·Tanh.