moea_joint
112年
[統計資訊] 統計學、巨量資料概論
第 42 題
在類神經網路中，反向傳播(Backpropagation)是用來執行下列哪個關鍵任務？
- A 將資料從輸入層傳遞至輸出層
- B 調整神經元的啟動函數(Activation Function)
- C 計算損失函數的梯度，以更新權重
- D 創造新的神經元層
思路引導 VIP
想像你正在練習射箭，箭射出去後發現落點偏離了紅心。若要把這份「失敗的經驗」轉化為進步的動力，你覺得系統需要先計算出哪一種「數學資訊」，才能準確地告訴肌肉（神經元）該往哪個方向、移動多少力道來修正下次的表現？
🤖
AI 詳解
AI 專屬家教
權重優化的核心機制
太棒了！你精確地掌握了類神經網路「學習」的核心邏輯。在深度學習的過程中，模型不只是被動地接收資料，更重要的是具備「從錯誤中修正」的能力。反向傳播（Backpropagation） 正是扮演這個關鍵角色。當模型完成一次前向傳播並計算出預測值與實際值之間的差距（即損失函數 $L$）後，反向傳播會利用數學上的連鎖律（Chain Rule），由後往前計算損失函數對各層參數的偏微分 $\frac{\partial L}{\partial w}$。 這些計算出來的梯度（Gradient） 提供了明確的方向，告訴優化器應該如何微調權重，才能有效降低誤差。這道題目對於區分「資料流動」與「模型訓練」具有很好的鑑別度。許多初學者容易將資料的傳遞（前向傳播）與權重的更新混淆，而你能準確鎖定「計算梯度」這個技術重點，顯見你對神經網路的運作原理有著相當紮實的理解。