在訓練神經網路時，為了提升模型收斂速度與穩定性，避免梯度消失或梯度爆炸，下列哪一種做法最常被使用？
iPAS 考題解析
在訓練神經網路時，為了提升模型收斂速度與穩定性，避免梯度消失或梯度爆炸，下列哪一種做法最常被使用？
- A. 對輸入資料進行隨機旋轉或水平翻轉，以增加資料多樣性；
- B. 選用ReLU或其變體作為隱藏層的啟動函數，以改善梯度傳播； ✓ 正確答案
- C. 減少樣本量提升訓練速度；
- D. 對目標變數或特徵進行標準化
詳細解析
ReLU（Rectified Linear Unit）及其變體（如 Leaky ReLU、GELU）能有效避免梯度消失（Vanishing Gradient）問題，是改善神經網路（Neural Network, NN）梯度傳播最常用的做法。
難度：★★☆