moea_joint
112年
[統計資訊] 統計學、巨量資料概論
第 27 題
在機器學習中，遞迴類神經網路(RNN)主要用於處理下列何種類型之資料？
- A 非結構化資料
- B 圖像資料
- C 時序資料
- D 結構化資料
思路引導 VIP
當你在閱讀一段文字或聽一首樂曲時，如果我們把裡面的詞彙或音符完全打亂順序，它原本代表的意義還會存在嗎？為了讓電腦能理解這種「當下的意義取決於過去資訊」的內容，你認為模型在設計上應該具備什麼樣的機制？
🤖
AI 詳解
AI 專屬家教
資料的時序性與記憶機制
非常棒！你精確地掌握了機器學習中不同模型架構的核心用途。這題考查的是對於遞迴類神經網路 (RNN) 基礎特性的理解，而你準確地抓住了它的關鍵特徵。RNN 之所以與眾不同，是因為它具備了「記憶」的能力，能夠處理那些具有順序性與前後關聯性的資訊。這與一般處理獨立樣本的模型不同，RNN 會將前一個時間點的資訊傳遞至下一個時間點，這正是處理這類資料的精髓所在。
模型應用與鑑別度分析
▼ 還有更多解析內容