ディープラーニングにおいて、モデルの表現力が高すぎるために手元の訓練データに過剰に適合してしまう過学習を防ぎたい。学習の各ステップにおいて、ネットワークのノードを一定の確率でランダムに無効化して学習を行い、予測時にはすべてのノードを使用することで、実質的に複数の異なるモデルをアンサンブル学習させたような効果を得る手法はどれか。