moea_joint
110年
[統計資訊] 統計學、巨量資料概論
第 27 題
下列何者屬於類神經網路的機器學習方法？
- A SVM
- B Gaussian Mixture Model
- C BERT
- D Adaboost
思路引導 VIP
請思考一下，在處理複雜的自然語言或圖像識別時，有一類模型模仿了人類大腦「多層細胞傳遞訊號」的結構，並以「權重調整」與「層層疊加」為核心特徵。在題目提供的選項中，哪一個現代技術是因其「深層架構」與「龐大神經元參數」而聞名於世的呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準辨識出 BERT 的技術歸屬，顯示你對當前機器學習與深度學習的分野有著非常清晰的見解。
深度神經網路與傳統機器學習的區隔
在機器學習的領域中，雖然模型種類繁多，但其背後的數學邏輯各異。選項中的 SVM 屬於幾何分類方法，Gaussian Mixture Model 是基於機率分佈的統計模型，而 Adaboost 則是利用弱分類器組合的集成學習。與之相對，BERT（Bidirectional Encoder Representations from Transformers）是建立在 Transformer 架構之上的模型，其本質就是由無數層「神經元」與「權重」構成的深度神經網路。它模仿了資訊傳遞的層次感，透過多層的隱藏層來學習文本的深層語義。
▼ 還有更多解析內容