
<html>

  <head>


    <meta http-equiv="content-type" content="text/html; charset=UTF-8">

  </head>

  <body text="#000000" bgcolor="#99FF99">

    <font size="-1"><font face="Helvetica, Arial, sans-serif">This is an

        update of a post a few months back, where we introduced a

        generalization of<br>

        DROPOUT for DLs called the Stochastic Delta Rule.   We have

        updated  now all properly tested benchmarks which  still show a

        significant improvement in all cases for SDR in both accuracy

        and speed over DROPOUT.     We have added more benchmarks

        including for ImageNet and updated the paper which is attached

        to this post.<br>

        <br>

        The Github is also completely updated with updated PyTorch code

        and results and relevant usage comments here:<br>

      </font></font><br>

    <font size="-1"><font face="Helvetica, Arial, sans-serif"> <a

          href="https://github.com/noahfl/sdr-densenet-pytorch">https://github.com/noahfl/sdr-densenet-pytorch</a><br>

      </font></font>

    <pre class="moz-signature" cols="72">-- 

Stephen José Hanson

Professor 

Director RUBIC (University-Wide)

Department of Psychology (NK)

Cognitive Science Center (NB)</pre>

  </body>

</html>