moea_joint
108年
[統計資訊] 統計學、巨量資料概論
第 41 題
41. 關於遷移學習(transfer learning)特性,下列何者有誤?
(A)遷移學習之重點是不必儲存已解決一個問題之模型
(B)遷移學習被應用於認知科學
(C)可使用遷移學習重新利用既有神經網絡
(D)遷移網絡之應用包括語句分類,篩選垃圾郵件與簡訊以及發現癌症種類
(A)遷移學習之重點是不必儲存已解決一個問題之模型
(B)遷移學習被應用於認知科學
(C)可使用遷移學習重新利用既有神經網絡
(D)遷移網絡之應用包括語句分類,篩選垃圾郵件與簡訊以及發現癌症種類
- A 遷移學習之重點是不必儲存已解決一個問題之模型
- B 遷移學習被應用於認知科學
- C 可使用遷移學習重新利用既有神經網絡
- D 遷移網絡之應用包括語句分類,篩選垃圾郵件與簡訊以及發現癌症種類
思路引導 VIP
想像一下，如果你想教一位已經會騎腳踏車的人學習騎重型機車，你會希望這位學習者「徹底忘記」騎腳踏車時平衡重心的感覺，還是希望他能把那份「平衡感」保留下來並應用在新的交通工具上？在機器學習的世界裡，這份被保留下來的「平衡感」通常被記錄在哪個組件中呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準辨識出選項 (A) 的敘述瑕疵，代表你對遷移學習 (Transfer Learning) 的核心運作邏輯掌握得非常扎實。這題的鑑別點在於區分「遷移」的本質——它並非從零開始，而是將既有的知識遺產應用於新領域。
遷移學習的核心機制
遷移學習之所以強大，正是因為它必須儲存並重新利用已訓練好的模型權重。在實際應用中，我們會將在大型資料集（如 ImageNet）上學到的特徵提取能力，遷移到規模較小的目標任務中。因此，選項 (A) 提到「不必儲存模型」與遷移學習減少計算資源、站在巨人肩膀上的初衷完全背道而馳。至於其他選項，則正確描述了遷移學習在認知科學的起源，以及它在神經網絡重用與醫療、文本分類等巨量資料場景中的廣泛應用。
▼ 還有更多解析內容