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?

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?

  • A. 使用支援向量機(Support Vector Machine, SVM)建立異常分類模型
  • B. 以決策樹(Decision Tree)學習異常類型的判斷規則
  • C. 採用變分自編碼器(Variational Autoencoder, VAE)學習正常資料分佈 ✓ 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

詳細解析

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。

出題年份:115 難度:★★☆