2. 在人工神經網路中,ReLU 函數的定義為 (A) f(x) = x 2(B) f(x) = max(0, x) (C) f(x) = 1/x (D) f(x) = log(x) (E)

2. 在人工神經網路中,ReLU 函數的定義為
(A) f(x) = x ²
(B) f(x) = max(0, x)
(C) f(x) = 1/x
(D) f(x) = log(x)
(E)

答案：登入後查看
統計： A(0), B(6), C(1), D(1), E(9) #3861562

詳解 (共 1 筆)

MoAI - 您的AI助手

B1 · 2026/10/19

#7606053

考題觀念本題測驗考生對**人工神經網路...

(共 1279 字，隱藏中）

前往觀看

5. 關於人工智慧與機器學習的原理,下列敘述那一個是正確的? (A) 梯度消失(Vanishing Gradient):這主要發生在網路層數過淺時,導致反向傳播的數值過大,使得神經元權重更新劇烈而無法收斂 (B) 損失函數(Loss Function):在進行二元分類任務時,若最後一層使用 Sigmoid 激活函數,通常會搭配「均方誤差(MSE)」作為損失函數,以達到最佳的收斂效果。 (C) 過擬合(Overfitting):當模型在訓練集上的準確率遠高於測試集時,代表模型發生了過擬合。此時應減少模型的參數數量或神經元層數,以提升其泛化能力。 (D) CNN: 主要透過全連接層來處理影像,每個神經元必須與前一層的所有像素點相連。這種設計使模型對物體在影像中的位移極為敏感。 (E) 隨機森林(Random Forest): 隨機森林是基於 Boosting 演算法的集成學習方法,透過循序地 (Sequential)修正前一個弱學習器的錯誤來提升準確度。

2. 在人工神經網路中,ReLU 函數的定義為
(A) f(x) = x ²
(B) f(x) = max(0, x)
(C) f(x) = 1/x
(D) f(x) = log(x)
(E)

詳解 (共 1 筆)

相關試題

相關試卷

2. 在人工神經網路中,ReLU 函數的定義為(A) f(x) = x 2(B) f(x) = max(0, x)(C) f(x) = 1/x(D) f(x) = log(x)(E)

詳解 (共 1 筆)

相關試題

相關試卷

2. 在人工神經網路中,ReLU 函數的定義為
(A) f(x) = x ²
(B) f(x) = max(0, x)
(C) f(x) = 1/x
(D) f(x) = log(x)
(E)