iPAS 考題解析
長短期記憶網路（LSTM）相比標準遞歸神經網路（RNN）的主要改進為何？
中級 機器學習技術與應用
難度：中等 ★★☆ 114 年考題
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- 機器學習技術與應用
- 知識主題
- 機器學習與深度學習
- 能力指標
- 深度學習原理與框架（L23203）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「機器學習技術與應用」科目中的「機器學習與深度學習」範疇， 對應的能力指標為「深度學習原理與框架」，涵蓋類神經網路架構、層級運算機制與模型效能分析等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
長短期記憶網路（LSTM）相比標準遞歸神經網路（RNN）的主要改進為何？
- A. 透過門控機制解決梯度消失問題，能學習長距離時序依賴 ✓ 正確答案
- B. 使用卷積運算加速序列資料的處理
- C. 引入注意力機制實現平行計算
- D. 透過殘差連接加深網路層數
詳細解析
正確答案：A. 透過門控機制解決梯度消失問題，能學習長距離時序依賴
LSTM 引入輸入門、遺忘門和輸出門等門控機制，控制資訊的流入與遺忘，有效解決標準 RNN 在長序列訓練時的梯度消失問題，使網路能學習長距離時序依賴關係。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. 透過門控機制解決梯度消失問題，能學習長距離時序依賴 （正確）
LSTM 的門控機制解決梯度消失問題，此為正確描述。
B. 使用卷積運算加速序列資料的處理 （不正確）
卷積運算不是 LSTM 的改進點。
C. 引入注意力機制實現平行計算 （不正確）
注意力機制是 Transformer 的核心，非 LSTM。
D. 透過殘差連接加深網路層數 （不正確）
殘差連接是 ResNet 的改進，非 LSTM。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師中級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。