阿摩線上測驗
60.下列何者演算法非屬深度學習演算法？
(A)卷積神經網路(CNN)
(B)遞歸神經網路(RNN)
(C)長短期記憶神經網路(LSTM)
(D) K-近鄰演算法(KNN)
答案：登入後查看
統計： A(469), B(372), C(1118), D(8025), E(0) #3158113
統計： A(469), B(372), C(1118), D(8025), E(0) #3158113
詳解 (共 10 筆)
938938
#5997787
2
0
123456
#7373286
深度學習（Deep Learning）是機器學習的分支，核心在於使用多層人工神經網路（ANN）來模擬人腦分析數據。以下是常見的深度學習演算法與模型，依應用領域分類：
1. 電腦視覺領域 (Computer Vision)
⏺️卷積神經網路 (CNN - Convolutional Neural Networks): 這是影像處理的核心技術，專門用於圖像識別、檢測、分割等場景。例如：ResNet, VGG, Inception, EfficientNet。
⏺️影像檢測模型: 在CNN基礎上發展，用於找到影像中的物體，例如 YOLO (You Only Look Once), SSD, Faster R-CNN。
2. 自然語言處理與時間序列 (NLP & Time Series)
⏺️遞迴神經網路 (RNN - Recurrent Neural Networks): 適用於處理具有前後順序的數據，如語音、文字、時間序列。
⏺️長短期記憶網路 (LSTM - Long Short-Term Memory): RNN的改進版，專門解決RNN在處理長序列數據時的「梯度消失」問題，常應用於機器翻譯、語音識別。
⏺️門控循環單元 (GRU - Gated Recurrent Units): LSTM的簡化版本，訓練速度較快。
⏺️Transformer 模型: 目前自然語言處理的主流，捨棄了遞迴結構，使用「自注意力機制 (Self-Attention)」，是ChatGPT等大型語言模型（LLM）的基礎。
3. 生成式 AI (Generative AI)
⏺️生成對抗網路 (GAN - Generative Adversarial Networks): 由兩個神經網路（生成器與判別器）對抗訓練，擅長產生逼真的圖像、影片。
ㅤㅤ
⏺️變分自編碼器 (VAE - Variational Autoencoders): 另一種產生數據的模型，特別適合圖像的生成與去噪。
ㅤㅤ
⏺️擴散模型 (Diffusion Models): 目前生成圖像（如Midjourney、Stable Diffusion）的主流技術，透過去除雜訊來產生圖像。
ㅤㅤ
4. 強化學習 (Reinforcement Learning)
⏺️深度Q網路 (DQN - Deep Q-Network): 將深度學習結合Q學習，讓AI從經驗中學習，應用於AlphaGo、自動駕駛等遊戲或控制任務。
ㅤㅤ
5. 基礎知識組件
⏺️神經網路 (ANN/MLP): 最基礎的全連接神經網路。
ㅤㅤ
⏺️反向傳播演算法 (Backpropagation): 計算誤差並優化網路權重的核心機制。
ㅤㅤ
⏺️最佳化器 (Optimizers): 用於微調模型以減少誤差，如 Adam, SGD, RMSprop。
1
0
