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？

解析

正確答案：D. 長短期記憶網路（Long Short-Term Memory, LSTM），改善 RNN 的長期記憶問題

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。

每個選項為什麼對或錯

• A 卷積神經網路（Convolutional Neural Network, CNN），利用卷積層捕捉局部特徵 錯誤選項

  CNN 擅長空間特徵提取，不是解決時序長期記憶問題的最佳選擇。

• B 自編碼器（Autoencoder, AE），先進行資料壓縮再重建 錯誤選項

  自編碼器用於資料壓縮重建，不專門處理時序長期依賴問題。

• C 全連接神經網路（Fully Connected Neural Network, FCNN），增加隱藏層數量 錯誤選項

  增加 FCNN 隱藏層不能解決時序中的長期記憶問題。

• D 長短期記憶網路（Long Short-Term Memory, LSTM），改善 RNN 的長期記憶問題 正解

  LSTM 透過門控機制解決 RNN 的長期記憶問題，最適合此場景（正確答案）。

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。