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？

解析

正確答案：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；

ReLU（Rectified Linear Unit）及其變體（如 Leaky ReLU、ELU）能有效緩解梯度消失問題，因為正值區域的梯度恆為 1，不會像 Sigmoid 或 Tanh 那樣在深層網路中導致梯度逐層衰減。這是提升收斂速度和穩定性的最常用方法。

每個選項為什麼對或錯

• 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； 錯誤選項

  資料增強（旋轉、翻轉）用於增加訓練資料多樣性，不直接解決梯度消失問題。

• 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； 正解

  ReLU 及其變體透過保持正值區域梯度為 1，有效改善梯度傳播，是最常用的方法。

• C 減少樣本量提升訓練速度； 錯誤選項

  減少樣本量可能降低模型泛化能力，且不解決梯度消失或爆炸的問題。

• D 對目標變數或特徵進行標準化 錯誤選項

  特徵標準化有助於訓練穩定，但不是解決梯度消失或爆炸最直接的方法。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。