iPAS AI 應用規劃師中級 114 年第二次 科三 第 6 題 詳解

114 年第二次 科三 機器學習技術與應用 · 考點:數據準備與特徵工程

某智慧城市團隊開發一套交通監控系統,用於即時辨識路口監視器影像中的車輛與行人。團隊比較後發現,卷積神經網路(Convolutional Neural Network, CNN)在訓練與推論效率上,明顯優於傳統的全連接神經網路(Fully Connected Neural Network, FCNN)。請問下列何者為主要原因?

  1. ACNN能自動學習影像的旋轉與比例不變性

    不變性靠資料增強或池化近似,非效率主因。

  2. BCNN可直接跳過人工特徵提取步驟進行分類

    免人工特徵是功能優勢,與參數量下降無關。

  3. CCNN透過區域感知(Local Receptive Field)與參數共享(Parameter Sharing)機制,降低模型參數量與運算複雜度(正確答案)

    區域感知加參數共享,直接減少參數與運算量。

  4. DCNN捨棄激勵函數(Activation Function),以加快運算速度

    CNN仍需激勵函數提供非線性,敘述錯誤。

正確答案:C

考卷積神經網路降低參數量的結構特性與效率來源。 看到問「效率為何較佳」,先鎖定模型的結構設計機制,而非它的辨識能力表現。

用刷8題準備 iPAS AI 應用規劃師中級

每天隨手刷 8 題,答錯的題目會自動排回來再考一次。不用註冊,打開就能開始。

開始刷題

數據準備與特徵工程

  1. 114 年第二次 科三 第 10 題下列哪一種應用情境最適合導入AutoML,以提升模型開發效率?
  2. 114 年第二次 科三 第 13 題標籤偏差(Label Bias)通常是因為什麼原因造成?
  3. 114 年第二次 科三 第 14 題下列哪一種AI應用情境中,模型的可解釋性(Explainability)最為關鍵?
  4. 114 年第二次 科三 第 15 題在線性迴歸模型中,若R²值為0.85,其意義為何?
  5. 114 年第二次 科三 第 16 題在二元分類問題中,若精確率(Precision)為0.8,召回率(Recall)為0.6,則F1分數(F1 Score)…