某公車系統想預測各站點的到站時間，需要考慮歷史班次資料、即時路況、天氣等因素。由於路況變化複雜，傳統循環神經網路（Recurrent Neural Network, RNN）在建模時可能難以保留較早期的重要資訊。下列哪種架構最能解決這個問題？

iPAS 考題解析

某公車系統想預測各站點的到站時間，需要考慮歷史班次資料、即時路況、天氣等因素。由於路況變化複雜，傳統循環神經網路（Recurrent Neural Network, RNN）在建模時可能難以保留較早期的重要資訊。下列哪種架構最能解決這個問題？

  • A. 卷積神經網路（Convolutional Neural Network, CNN），利用卷積層捕捉局部特徵
  • B. 自編碼器（Autoencoder, AE），先進行資料壓縮再重建
  • C. 全連接神經網路（Fully Connected Neural Network, FCNN），增加隱藏層數量
  • D. 長短期記憶網路（Long Short-Term Memory, LSTM），改善 RNN 的長期記憶問題 ✓ 正確答案

詳細解析

LSTM 是專門設計來解決 RNN 長期依賴問題的架構，透過門控機制（遺忘門、輸入門、輸出門）控制資訊的保留和遺忘，能有效保留較早期的重要資訊，適合此時序預測任務。

出題年份：115 難度：★★☆