下列敘述何者正確？

A、 KNN(K-Nearest Neighbor)是分群演算法

B、 K-means為分類演算法

C、 K-means為監(jiān)督式學(xué)習(xí)

D、 KNN(K-Nearest Neighbor)為分類演算法

E、 KNN(K-Nearest Neighbor)為非監(jiān)督式學(xué)習(xí)

下列敘述何者正確？

A、 分類的演算法都稱為監(jiān)督式學(xué)習(xí)

B、 分群的演算法都稱為監(jiān)督式學(xué)習(xí)

C、 分類的演算法都稱為非監(jiān)督式學(xué)習(xí)

D、 支持向量機(jī)（SVM）是機(jī)器學(xué)習(xí)分群的技術(shù)

E、 決策樹（decision tree）是機(jī)器學(xué)習(xí)分群的技術(shù)

關(guān)於機(jī)器學(xué)習(xí)的分類與分群敘述何者正確？

A、 分群問題被定義為將未知的新訊息歸納進(jìn)已知的資訊中

B、 機(jī)器學(xué)習(xí)領(lǐng)域中的分群問題.重點(diǎn)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

用AI解決問題的步驟裡，哪一個步驟最重要？

A、 收集歷史資料

B、 把問題化成函數(shù)的形式

C、 先問一個問題

D、 學(xué)習(xí)（訓(xùn)練）

E、 打造一個函數(shù)學(xué)習(xí)機(jī)

根據(jù)『人工智慧導(dǎo)論』這本書，用AI解決問題的步驟順序為何？1收集歷史資料 2把問題化成函數(shù)的形式 3先問一個問題 4學(xué)習(xí)（訓(xùn)練） 5打造一個函數(shù)學(xué)習(xí)機(jī)

A、 12345

B、 13254

C、 13245

D、 32154

E、 31254

關(guān)於神經(jīng)網(wǎng)路模型的敘述何者正確？

A、 建構(gòu)神經(jīng)網(wǎng)路時需要知道最終的函數(shù)學(xué)習(xí)機(jī)長什麼樣子

B、 打造一個神經(jīng)網(wǎng)路的函數(shù)學(xué)習(xí)機(jī)是透過編程來達(dá)成

C、 神經(jīng)網(wǎng)路模型可分成輸入層.表現(xiàn)層及輸出層

D、 神經(jīng)網(wǎng)路模型可分成輸入層.隱藏層及輸出層

E、 神經(jīng)網(wǎng)路模型可分成輸入層.激發(fā)層及輸出層

關(guān)於神經(jīng)網(wǎng)路的敘述何者錯誤？

A、 傳統(tǒng)的神經(jīng)網(wǎng)路是指全連結(jié)神經(jīng)網(wǎng)路

B、 全連結(jié)神經(jīng)網(wǎng)路也叫標(biāo)準(zhǔn)神經(jīng)網(wǎng)路

C、 標(biāo)準(zhǔn)神經(jīng)網(wǎng)路通常稱為NN（neural network）

D、 全連結(jié)神經(jīng)網(wǎng)路的每個神經(jīng)元都會跟前後層的神經(jīng)元相連

E、 每個神經(jīng)元內(nèi)部的計算架構(gòu)都不一樣

關(guān)於神經(jīng)網(wǎng)路的敘述何者錯誤？

A、 通常每個神經(jīng)元的連線權(quán)重值 (weight) 都不一樣.但偏值 (bias) 都一樣

B、 為了讓所有的神經(jīng)元都能被激發(fā)會加上一個偏值（bias）做為調(diào)整

C、 激活函數(shù)會把每個神經(jīng)元的真正輸出控制在0到1之間

D、 神經(jīng)網(wǎng)路可以調(diào)整的參數(shù)是代表權(quán)重的 w1. w2, 和代表偏值的 b1, b2,

E、 神經(jīng)網(wǎng)路的激活函數(shù)一定是非線性函數(shù)

關(guān)於神經(jīng)網(wǎng)路的學(xué)習(xí)原理敘述何者錯誤？

A、 損失函數(shù)是對每個輸入的預(yù)測值與真實(shí)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(shù)的最佳解

C、 損失函數(shù)的變數(shù)是可以調(diào)整的參數(shù)

D、 訓(xùn)練神經(jīng)網(wǎng)路是透過參數(shù)的調(diào)整來降低損失函數(shù)

E、 梯度下降是降低損失函數(shù)的一種演算法

關(guān)於神經(jīng)網(wǎng)路的學(xué)習(xí)原理敘述何者正確？

A、 神經(jīng)網(wǎng)路調(diào)整參數(shù)的方式是一種前饋神經(jīng)網(wǎng)路（Feedforward Neural Network）

B、 學(xué)習(xí)率在迭代的參數(shù)調(diào)整過程中會固定不變

C、 梯度下降是運(yùn)用積分的技巧來達(dá)成

D、 損失函數(shù)移動的方向跟梯度的方向相同

E、 神經(jīng)網(wǎng)路調(diào)整參數(shù)的順序是從後面一層層往前調(diào)