نقدم نسخة احتمالية من الوحدة المقدمة حديثًا بـ "ماكس أوت" (maxout). يمكن أن يُعزى جزئيًا نجاح الشبكات العصبية العميقة التي تستفيد من "ماكس أوت" إلى الأداء الجيد تحت تقنية الإفلات (dropout) مقارنة بالوحدات الخطية المستقيمة. ومع ذلك، يعتمد أيضًا على حقيقة أن كل وحدة "ماكس أوت" تقوم بعملية تجميع فوق مجموعة من التحولات الخطية وبالتالي تكون جزئيًا ثابتة تجاه التغييرات في مدخلاتها. انطلاقًا من هذه الملاحظة، نطرح السؤال: هل يمكن الحفاظ على الخصائص المرغوب فيها لوحدات "ماكس أوت" مع تحسين خصائص الثبات لديها؟ نعتقد أن وحدات "ماكس أوت" الاحتمالية (probout) الخاصة بنا تنجح في تحقيق هذا التوازن. نتحقق كمياً من صحة هذا الادعاء ونبلغ بأداء تصنيف يطابق أو يتفوق على أحدث ما تم الوصول إليه في ثلاثة مقاييس تحدي للتصنيف الصوري (CIFAR-10، CIFAR-100 و SVHN).