卷积神经网络（CNN）主要用于处理序列数据（如文本或时间序列）。()A. 对B. 错

考查要点：本题主要考查对卷积神经网络（CNN）核心应用场景的理解，以及其与序列数据处理模型（如RNN）的区分。

关键思路：

1. CNN的核心特点：通过局部感受野和权值共享机制，擅长提取空间特征，广泛应用于图像处理（如分类、目标检测）。
2. 序列数据的主流模型：文本、时间序列等一维顺序数据通常使用循环神经网络（RNN）或Transformer，而非CNN。
3. 关键判断点：题目中“主要用于”强调主流场景，需结合实际应用领域判断。

分析过程：

1. CNN的主要应用领域：

   • 图像识别：如分类、目标检测、图像分割。
   • 视觉任务：如风格迁移、图像生成。
   • 核心优势：处理二维空间数据（如图像的高宽维度）。

2. 序列数据的处理模型：

   • RNN/LSTM/GRU：擅长捕捉时间或顺序依赖（如语言模型、时间序列预测）。
   • Transformer：通过注意力机制处理长序列关系（如现代自然语言处理任务）。

3. CNN与序列数据的关联：

   • 虽然存在一维CNN用于文本等序列数据，但其应用范围和效果远不及RNN/Transformer。
   • “主要用于”的表述与CNN的实际主流应用场景不符。

结论：题目中“CNN主要用于处理序列数据（如文本或时间序列）”的说法错误，正确答案为B. 错。