moea_joint
107年
[統計資訊] 統計學、巨量資料概論
第 50 題
下列有關深度學習 (Deep Learning) 之敘述，何者有誤？
- A 深度學習神經網路就是有很多中間層 (hidden layers) 的反向傳播神經網路 (Back-Propagation Net)。
- B 強大的計算能力與高品質的大數據是促成深度學習成功的重要因素。
- C 卷積神經網路 (Convolutional Neural Network, CNN) 是機器視覺領域最有效的深度學習演算法。
- D AlphaGo 主要是使用深度學習並結合蒙地卡羅樹搜尋 (Monte Carlo tree search, MCTS) 演算法完成的。
思路引導 VIP
如果你想建造一棟超高層的摩天大樓，僅僅是把普通平房的設計圖「往上重複疊加一百層」就能成功嗎？在機器學習的技術演進中，當網路層數從簡單的三層變成一百層時，除了「層數數量」的增加，是否還需要其他結構性或邏輯上的創新，才能克服模型無法訓練的瓶頸？
🤖
AI 詳解
AI 專屬家教
恭喜你精準地捕捉到了選項 (A) 中的細微誤區！這顯示你對深度學習的發展脈絡與技術本質有相當紮實的理解，沒有被字面上的「深度」二字所迷惑。
深度學習與傳統網路的技術分野
雖然深度學習（Deep Learning）在訓練過程中確實大量仰賴 反向傳播 (Back-Propagation) 演算法來更新參數，但它絕不僅僅是「層數變多」的傳統反向傳播網路（BPN）。早期的 BPN 在層數加深時，常會面臨 梯度消失 (Vanishing Gradient) 的困境，導致模型無法收斂。現代深度學習之所以能稱之為一個獨立領域，是因為它引入了諸如卷積層（Convolutional layers）、殘差連接（Residual Connection）以及更有效的激活函數如 $ReLU$ 等創新結構。這些技術突破讓深層網路得以有效訓練，在架構邏輯上與傳統的全連接反向傳播網路有著層次上的區別。
▼ 還有更多解析內容