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. 多重假設檢驗中，FDR(False Discovery Rate)控制相比於FWER控制的優勢是什麼？ 計算更簡單 理論基礎更穩固 適用範圍更廣 統計功效更高 None 2. 神經常微分方程(Neural ODEs)的主要理論優勢是什麼？ 模型表達能力更強 記憶體效率和連續深度 數值穩定性更好 訓練速度更快 None 3. 當使用t-SNE進行降維時，困惑度(perplexity)參數主要影響什麼？ 每個點的有效近鄰數量 計算的精確度 降維後的維度數 算法的收斂速度 None 4. Thompson抽樣在多臂賭博機問題中的核心思想是什麼？ 選擇歷史平均收益最高的臂 根據後驗分布抽樣決定選擇 隨機選擇所有臂 基於置信區間上界選擇 None 5. 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？ 個體間的相互作用方式不同 變異操作不同 種群數量不同 選擇壓力大小不同 None 6. 在分位數回歸中，損失函數的形式是什麼？ 平方損失 絕對值損失 分位數損失(quantile loss) Huber損失 None 7. 在實驗設計中，完全隨機化設計相比於隨機區組設計的主要劣勢是什麼？ 無法控制區組效應 分析方法更複雜 計算複雜度更高 需要更多樣本 None 8. 在條件隨機場(CRF)中，特徵函數的設計主要考慮什麼？ 輸入特徵與輸出標籤的聯合關係 時間序列的自相關性 只考慮輸入特徵 只考慮輸出標籤 None 9. 譜聚類算法中，拉普拉斯矩陣的第二小特徵值被稱為什麼？ 核範數 條件數 譜半徑 代數連通度 None 10. 稀疏高斯圖模型中，圖結構學習通常通過什麼方法實現？ 貪心搜索算法 最大似然估計 L1正則化的精度矩陣估計 變分推理方法 None 11. 在對抗網絡中，Wasserstein距離相比於JS散度的優勢是什麼？ 提供有意義的梯度信息 理論基礎更簡單 計算更簡單 收斂更快 None 12. 分佈外檢測(OOD Detection)中，Mahalanobis距離方法的優勢是什麼？ 不需要訓練數據 考慮特徵間的協方差結構 計算複雜度最低 適用於所有數據類型 None 13. 稀疏編碼中，L0範數正則化的近似替代通常使用什麼？ L1範數 L2範數 核範數 Frobenius範數 None 14. 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 協變量分布相同 處理效果相同 傾向得分分布有重疊區域 None 15. 聯邦學習中，差分隱私的添加噪聲通常遵循什麼分布？ 均勻分布 拉普拉斯分布 高斯分布 指數分布 None 16. 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 計算複雜度更低 適用於線性系統 結果更容易解釋 None 17. 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 提高量化精度 加速推理過程 減少記憶體使用 None 18. 在時間序列分析中，GARCH模型主要用於建模什麼？ 均值的時變性 趨勢的非線性 條件異方差性 季節性模式 None 19. 非負矩陣分解(NMF)相比於主成分分析的主要優勢是什麼？ 適用於更高維的數據 分解結果具有更好的可解釋性 不需要預先設定分量數 計算速度更快 None 20. 在批標準化(Batch Normalization)中，可學習參數的作用是什麼？ 控制標準化的強度 調整學習率 防止梯度消失 恢復網絡的表達能力 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
