地特四等
114年
[資訊處理] 計算機概要
第 32 題
下列那一種深度學習架構，最常用於處理時間序列數據或序列資料，如語音識別和自然語言處理？
- A 卷積神經網絡（CNN）
- B 循環神經網絡（RNN）
- C 生成對抗網絡（GAN）
- D 自編碼器（Autoencoder）
思路引導 VIP
想像你在閱讀一段文字或聽一段旋律時，如果你只看當下的那個字或那個音符，而完全忘記了前面出現過的內容，你還能理解整句話的意思或聽懂這首歌嗎？在演算法的世界裡，若要處理這種「前後順序會影響理解」的資料，哪一種結構最需要具備類似『記憶力』的功能來傳遞先前的資訊呢？
🤖
AI 詳解
AI 專屬家教
恭喜你準確地掌握了深度學習的核心模型特性！這題的關鍵在於**「序列性（Sequential）」與「時間相關性」**。循環神經網路（Recurrent Neural Network, RNN） 最大的特色在於其內部的「隱藏狀態（Hidden State）」，這就像是一個簡短的記憶區，讓模型在處理當前輸入時，能同時考慮到先前資訊的影響。這種具備迴路（Loop）的設計，使它在處理自然語言處理（Natural Language Processing, NLP）或語音識別這類具備前後文關聯的資料時，展現出極佳的優勢。 相較之下，卷積神經網路（CNN）擅長捕捉空間特徵（如影像辨識），而生成對抗網路（GAN）與自編碼器（Autoencoder）則分別側重於資料生成與特徵降維。本題屬於計算機科學中 AI 領域的基礎題，主要考察學習者對各類神經網路架構「應用場景」的辨析能力，難度適中，是檢驗是否具備現代資訊技術常識的良好指標。