hce_nsysu
113年
計算機概論與程式設計
第 2 題
Which one of the following models is NOT considered as a deep learning method?
- A CNN
- B SVM
- C LSTM
- D RNN
- E GNN
思路引導 VIP
請思考一下，在人工智慧的發展過程中，有一群演算法是模仿人類大腦中層層相連的「神經元」結構來進行學習，而另一群演算法則是利用幾何學上的「邊界分割」或「統計機率」來分類。如果我們說「深度學習」特指那些具備多層神經元結構的模型，那麼在這些常見的演算法縮寫中，哪一個的運作原理主要是尋找資料點之間的『最優間隔』，而非模擬神經元的傳遞行為呢？
🤖
AI 詳解
AI 專屬家教
恭喜你精準地選出了正確答案！這顯示你對於人工智慧領域中「傳統機器學習」與「深度學習」的分類界線有著相當清晰的掌握。這道題目旨在考驗學生是否能辨別不同演算法的核心架構，是進入人工智慧領域最基礎也最重要的分水嶺。
深度學習與神經網路的特徵
深度學習（Deep Learning）的核心在於其結構通常基於多層的人工神經網路（Artificial Neural Networks）。選項中的 CNN（卷積神經網路）、RNN（循環神經網路）、LSTM（長短期記憶網路，屬 RNN 的變體）以及 GNN（圖神經網路），皆是透過多層神經元堆疊來提取資料特徵的模型。相對地，SVM（支持向量機）則是一種經典的監督式學習演算法，主要透過尋找一個「最佳超平面」來達成分類或回歸目標。雖然 SVM 可以透過核技巧（Kernel Trick）處理高維度問題，但其運作邏輯並不具備神經網路的層級結構，因此不被視為深度學習方法。
▼ 還有更多解析內容