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。