L1正则化的数学表达式和l2正则化的数学表达式呃和这个drop out正则化的数学表达式

L1正则化的数学表达式是将模型参数的L1范数加入到损失函数中，具体表达式为：$\lambda \sum_{i=1}^n |w_i|$，其中$\lambda$为超参数，$w_i$为模型参数。

L2正则化的数学表达式是将模型参数的L2范数加入到损失函数中，具体表达式为：$\frac{\lambda}{2} \sum_{i=1}^n w_i^2$，其中$\lambda$为超参数，$w_i$为模型参数。

Dropout正则化的数学表达式是在训练过程中，以一定的概率随机将部分神经元的输出置为0，具体表达式为：$y_i = \frac{x_i}{1-p}$，其中$p$为dropout概率，$x_i$为输入，$y_i$为输出。

需要注意的是，这些正则化方法都是为了防止过拟合，提高模型的泛化能力。