iPAS AI應用規劃師(中級)科目3_ L23101 機率統計之機器學習基礎應用(7) 機器學習中的機率統計應用 (進階題型) / iPAS AI 應用規劃師, AI 測驗題庫, iPAS AI 中級, 測驗題庫 / 作者: S學院 iPAS AI應用規劃師(中級)科目3_ L23101 機率統計之機器學習基礎應用(7) 機器學習中的機率統計應用(進階題型) 模擬試題，採智能選題，無限次反覆練習。 1. 協同演化算法中，競爭協同演化與合作協同演化的主要區別是什麼？ 選擇壓力大小不同 變異操作不同 個體間的相互作用方式不同 種群數量不同 None 2. 傾向得分匹配(PSM)中，共同支撐(common support)條件的意義是什麼？ 樣本數量相等 傾向得分分布有重疊區域 處理效果相同 協變量分布相同 None 3. 聯邦學習中，差分隱私的添加噪聲通常遵循什麼分布？ 高斯分布 拉普拉斯分布 指數分布 均勻分布 None 4. 當使用t-SNE進行降維時，困惑度(perplexity)參數主要影響什麼？ 算法的收斂速度 降維後的維度數 計算的精確度 每個點的有效近鄰數量 None 5. 在圖卷積網絡中，過度平滑問題(over-smoothing)的根本原因是什麼？ 多層傳播導致節點特徵趨於相同 圖結構過於稀疏 網絡深度不足 學習率設置不當 None 6. 在批標準化(Batch Normalization)中，可學習參數的作用是什麼？ 防止梯度消失 控制標準化的強度 調整學習率 恢復網絡的表達能力 None 7. 在隱馬可夫模型(HMM)中，維特比算法(Viterbi algorithm)解決的是什麼問題？ 參數估計問題 似然計算問題 模型選擇問題 最優狀態序列問題 None 8. 稀疏編碼中，L0範數正則化的近似替代通常使用什麼？ L2範數 L1範數 核範數 Frobenius範數 None 9. 在持續學習中，彈性權重鞏固(EWC)方法的理論基礎是什麼？ 貝葉斯推理 信息瓶頸理論 最優傳輸理論 正則化理論 None 10. 在量化感知訓練中，直通估計器(STE)的作用是什麼？ 近似不可微量化操作的梯度 加速推理過程 減少記憶體使用 提高量化精度 None 11. 譜聚類算法中，拉普拉斯矩陣的第二小特徵值被稱為什麼？ 代數連通度 譜半徑 條件數 核範數 None 12. 小波變換相比於傅立葉變換的主要優勢是什麼？ 具有時頻局域化特性 適用於線性系統 結果更容易解釋 計算複雜度更低 None 13. 在因果推理中，工具變數(IV)必須滿足的三個假設不包括哪個？ 獨立性假設 線性假設 相關性假設 排他性假設 None 14. 在對抗網絡中，Wasserstein距離相比於JS散度的優勢是什麼？ 理論基礎更簡單 計算更簡單 提供有意義的梯度信息 收斂更快 None 15. 在元學習中，MAML(Model-Agnostic Meta-Learning)的核心思想是什麼？ 學習任務特定的特徵表示 學習任務間的相似性度量 學習適於快速適應的初始參數 學習任務的層次結構 None 16. 變分推理中，證據下界(ELBO)的兩個組成部分是什麼？ 似然項和KL散度項 均值和方差 先驗和後驗 偏差和變異 None 17. 在強化學習中，時間差分(TD)學習的主要特點是什麼？ 直接優化策略參數 使用動態規劃方法 基於自舉估計更新價值函數 需要完整的軌跡數據 None 18. 在層次貝葉斯模型中，超參數的作用是什麼？ 控制模型的複雜度 控制參數的先驗分布 決定似然函數形式 直接影響觀測數據 None 19. 在分位數回歸中，損失函數的形式是什麼？ Huber損失 分位數損失(quantile loss) 絕對值損失 平方損失 None 20. 在線性判別分析(LDA)中，當類內協方差矩陣奇異時，常用的解決方法是什麼？ 增加訓練樣本 加入正則化項 使用非線性核 減少特徵維度 None 如有問題可留言，謝謝您的寶貴意見！ 暱稱 電郵（提交獲得正確答案，可換題測驗完整題庫，新增題庫電郵通知） Time's up
