跳到主要內容
1.3 常見的機器學習模型
115-2 科目 25

某語音辨識系統需分析長時間的語音序列,發現當句子較長時,模型難以保留長時間序列中的前段資訊,導致辨識準確度下降。為改善此問題,下列何種模型最適合?

請選擇一個答案

答案 A

核心概念

傳統 RNN 在處理長序列時會遇到梯度消失,導致早期的資訊傳不到後面,這就是長期依賴問題。LSTM 透過遺忘門、輸入門、輸出門三道閘控機制,加上一條貫穿序列的細胞狀態(Cell State)作為記憶通道,讓重要資訊能長距離傳遞而不衰減,正是為了解決這個問題而設計。
答題技巧

快速判斷技巧:「RNN + 長期資訊保不住」= LSTM 或 GRU,這是固定的症狀-解方配對,看到就選,不必讀完其他選項。

易錯陷阱:本考點在 114-4 科目 1 第 16 題(問挑戰)、115-1 科目 1 第 33 題(問解法)都出現過,是穩定的高頻題。要注意 (B) RNN 是「問題本身」不是解法,別因為它也是序列模型就選。