（）關於深度學習敘述何者正確

A.建構神經網路時需要知道最終的函數學習機長什麼樣子

B.打造一個神經網路的函數學習機是透過編程來達成

C.神經網路模型可分成輸入層、表現層及輸出層

D.神經網路模型可分成輸入層、隱藏層及輸出層

E.神經網路模型可分成輸入層、激發層及輸出層

B．學習率在迭代的參數調整過程中會固定不變

C．梯度下降是運用積分的技巧來達成

D．損失函數移動的方向跟梯度的方向相同

E．神經網路調整參數的順序是從後面一層層往前調

A.分群問題被定義為：將未知的新訊息歸納進已知的資訊中

B.機器學習領域中的分群問題，重點在於新的資料和已分類的資料互相比較，看看新資料在分類過的資料中，和哪一類資料比較類似

C.分類問題就是一群資料中沒有明確的分類或群體，而是必須透過它們所具有的特

D.分群的問題要事先幫資料做標籤 （label）

E.分群的基礎在於要根據可以區分出兩種群體的特徵來分群

A．Google AlphaGo也是奠基於機器學習，透過電腦運算對手下棋的頻率

B．廣泛應用在圖像、影像識別、推薦系統、輔助決策等金融、醫療、國防民生領域

C．深度學習網路就像黑盒子 （black box），人們不容易理解模型中各網路層的內涵，就無法做出有效的調整

D．透過 CNN 模型，你可以輸入一張圖片，得到該圖片屬於哪種類別的結果，這過程我們把他稱作分類 （Classification）

E．行為理解問題一般遵從如下基本過程：特徵提取與運動表徵、行為識別、高層行為與場景理解

A.分群問題被定義為：將未知的新訊息歸納進已知的資訊中

B.機器學習領域中的分群問題，重點在於新的資料和已分類的資料互相比較，看看新資料在分類過的資料中，和哪一類資料比較類似

C.分類問題就是一群資料中沒有明確的分類或群體，而是必須透過它們所具有的特徵做區分

D.分群的問題要事先幫資料做標籤 （label）

E.分群的基礎在於要根據可以區分出兩種群體的特徵來分群

A．Google AlphaGo也是奠基於機器學習，透過電腦運算對手下棋的頻率

B．廣泛應用在圖像、影像識別、推薦系統、輔助決策等金融、醫療、國防民生領域

C．深度學習網路就像黑盒子 （black box），人們不容易理解模型中各網路層的內涵，就無法做出有效的調整

D．透過 CNN 模型，你可以輸入一張圖片， HYPERLINK "https://medium.com/@syshen/%E5%85%A5%E9%96%80%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92-2-d694cad7d1e5" \t "_blank" 得到該圖片屬於哪種類別的結果，這過程我們把他稱作分類 （Classification）

E．行為理解問題一般遵從如下基本過程：特徵提取與運動表徵、行為識別、高層行為與場景理解

A.決策樹可以是多元樹

B.決策樹的起始點稱為根節點

C.決策樹是一種分群的機器學習技術

D.決策樹上的內部節點代表一個特徵值

E.決策樹上的樹葉就是代表一種分類結果

A.全班都要到前面排隊

B.要帶著數學課本到前面排隊

C.要帶著國語課本到前面排隊的只有第三組的小朋友

D.第二組的小朋友要帶著國語習作到教室外頭

A.損失函數是對每個輸入的預測值與真實值的差異計算總和

B.透過梯度下降一定可以找到降低損失函數的最佳解

C.損失函數的變數是可以調整的參數

D.訓練神經網路是透過參數的調整來降低損失函數

E.梯度下降是降低損失函數的一種演算法

A.分類的演算法都稱為監督式學習

B.分群的演算法都稱為監督式學習

C.分類的演算法都稱為非監督式學習

D.支持向量機（SVM）是機器學習分群的技術

E.決策樹（decision tree）是機器學習分群的技術