有關強化學習（Reinforcement Learning, RL）、量子機器學習（Quantum Machine Learning, QML）與深度學習（Deep Learning, DL），下列敘述何者錯誤？

Question

有關強化學習（Reinforcement Learning, RL）、量子機器學習（Quantum Machine Learning, QML）與深度學習（Deep Learning, DL），下列敘述何者錯誤？
(A) RL可對「多數有標註以及少數無標註的資料」進行有依據辨識，其預測結果比非監督學習誤差大
(B) QML結合HHL（Harrow, Hassidim and Lloyd）演算法與機器學習，可加速找出數據特徵與分類
(C) DL透過設計函數模組、組成類神經網路，可分析雜訊高、看似不相干、多非線性的多維度數據
(D) 迴歸分析與分類技術常見於各類機器學習，主要進行數據收集、分析、建模與預測等步驟

Accepted Answer

正確答案為 A。 本題考機器學習分類。A選項將「半監督學習」的定義錯置為「強化學習」，故為錯誤敘述，本題選A。 (B) QML結合HHL量子演算法，能大幅加速線性方程組求解，進而提升機器學習中資料特徵提取與分類的效率，敘述正確。 (C) 深度學習(DL)利用多層類神經網路，具備強大的非線性擬合能力，非常適合處理高雜訊、多維度且複雜的資料，敘述正確。

有關強化學習（Reinforcement Learning, RL）、量子機器學習（Quantum Machine Learning, QML）與深度學習（Deep Learning, DL），下列敘述何者錯誤？

逐選項解析

立即註冊,看完整詳解

郵政三法相關題目

想練更多郵政三法考古題？

有關強化學習（Reinforcement Learning, RL）、量子機器學習（Quantum Machine Learning, QML）與深度學習（Deep Learning, DL），下列敘述何者錯誤？

逐選項解析

立即註冊,看完整詳解

郵政三法 相關題目

想練更多郵政三法考古題？

郵政三法相關題目