國營聯招 統計資訊統計學、巨量資料概論106 年第 30 題單選題考點：CNN參數效率考點：監督/非監督學習
有關應用卷積神經網路(Convolutional Neural Networks，簡稱CNNs)於影像分析之敘述，下列何者正確？
①較前面的處理層 (Layer) 過濾器通常可包含邊緣偵測器 (Edge Detector)
②和擁有相同層數以及每層內有相同神經元個數的全連通網路 (Fully-connected Networks)比起來，CNNs用有更多參數
③一個CNN可用來訓練非監督式學習模型，但一般的類神經網路則不行
④池化層(Pooling Layers) 可降低影像的空間解析度
D正確答案
CNNs影像分析：前層可偵測邊緣(①✓)、池化層降低空間解析度(④✓)，參數遠少於全連通網路(②✗)，非監督學習並非CNN獨有(③✗)。
逐選項解析
A①②CNN參數效率✕ 錯誤
②錯誤：CNN因權重共享(weight sharing)機制，參數數量遠少於相同規模的全連通網路，此為CNN的核心優勢之一。
B②③監督/非監督學習✕ 錯誤
②③均錯誤：②CNN參數更少；③一般類神經網路也可用於非監督式學習(如自編碼器Autoencoder)，並非CNN獨有能力。
立即註冊,看完整詳解
這題的完整詳解,註冊就能看 · 每天 2 題免費
- 完整逐選項解析
- 秒殺解題技巧與破題關鍵
- 關鍵知識表整理
- 陷阱與易錯提醒
- 同考點歷屆題庫連續刷題與錯題本
