iPAS 考題解析某製造業工廠規劃導入 AI 監控系統，持續分析設備感測數據（如溫度、震動與壓力）。系統需能在缺乏完整異常標註資料的情況下，辨識與一般運作型態顯著不同的狀態，並觸發出預警。在此需求下，下列何種技術較為適合？

解析

正確答案：C. 採用變分自編碼器（Variational Autoencoder, VAE）學習正常資料分佈

在缺乏異常標註資料的情況下，VAE 可以透過學習正常資料的分佈來建立基準模型。當新資料偏離學習到的正常分佈時，即可判定為異常並觸發預警，屬於非監督式異常偵測方法。

每個選項為什麼對或錯

• A 使用支援向量機（Support Vector Machine, SVM）建立異常分類模型 錯誤選項

  SVM 分類模型需要標註資料，不適合缺乏異常標註的場景。

• B 以決策樹（Decision Tree）學習異常類型的判斷規則 錯誤選項

  決策樹需要標註資料來學習規則，不符合缺乏標註的條件。

• C 採用變分自編碼器（Variational Autoencoder, VAE）學習正常資料分佈 正解

  VAE 學習正常資料分佈，偏離時判定異常，適合無標註的異常偵測（正確答案）。

• D 使用生成對抗網路（Generative Adversarial Network, GAN）直接預測異常標籤 錯誤選項

  GAN 主要用於生成，不適合直接預測異常標籤，且也需要大量資料。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。