某交通局計劃預測未來 1 小時的路口車流量，以最佳化號誌時制配置。系統需要分析過去 24 小時的車流量資料。若模型設計著重於模擬「前一階段（如前 15 分鐘）的壅塞狀況會延續並影響下一階段」，下列哪一種深度學習架構最適合作為此預測模型的核心？
答案 （D）
核心概念
「前一段的狀態會延續到下一段」，這種時序依賴要用循環神經網路。
循環神經網路（Recurrent Neural Network, RNN）在每個時間點都會把上一步的隱藏狀態帶進來，等於一邊看新資料一邊記著前面發生什麼。車流量前 15 分鐘塞、下 15 分鐘大概還在塞，這種前後相連的關係正好由 RNN 來模擬。
答題技巧
快速判斷技巧：題幹出現「前一階段影響下一階段」「依序」，答案是循環神經網路（RNN）。 ・時間序列、前後依賴 → RNN 或長短期記憶網路（LSTM） ・影像、局部特徵 → 卷積神經網路（CNN） ・生成假資料 → 生成對抗網路（GAN） ・輸入彼此獨立 → 前饋神經網路（Feedforward）
易錯陷阱：(C) 前饋神經網路名字裡有「前」，容易跟「前一階段」聯想在一起。 關鍵差異：前饋指的是訊號只往前傳、沒有回頭，正好沒有記憶。