深度神经网络在测试时面对如此大的网络是很难克服过拟合问题的。 Dropout能够很好地解决这个问题。通过阻止特征检测器的共同作用来提高神经网络的性能。这种方法的关键步骤在于训练时随机丢失网络的节点单元包括与之连接的网络权值。在训练的时候，Dropout方法可以使得网络变得更为简单紧凑。在测试阶段，通过Dropout训练得到的网络能够更准确地预测网络的输出。这种方式有效的减少了网络的过拟合问题，并且比其他正则化的方法有了更明显的提升。 本文通过一个简单的实验来比较使用Dropout方法前后网络

ustartled控制代码,供测试使用，p10单元可用(usart Ustartled control code for test use, P10 unit available)

ABAQUS 有限元子程序，粘弹性本构，蠕变应力松弛测试拟合结果 cohesive 粘接单元，用于分层分析的子程序，帮助初学者快速掌握ABAQUS的内聚体单元应用(ABAQUS umat creep stress relaxation fitting result Cohesive bonding unit, used for hierarchical analysis of the subroutine, to help beginners quickly grasp the ABAQUS

利用QRCode控件，生成二维码的实例，包含项目文件、单元文件，测试通过。(An Example of Generating Two-Dimensional Code by Using QRCode Control)