iPAS AI 應用規劃師初級 114 年第四次 科一 第 33 題 詳解

114 年第四次 科一 人工智慧基礎概論

在工業物聯網架構中，進行設備預測性維護（Predictive Maintenance）時，若面對異常事件發生頻率極低、樣本高度不平衡的時間序列資料，下列哪一種方法最能兼顧模型穩定性與異常偵測效能？

1. A將每筆異常事件資料複製多次以提升模型對異常的辨識敏感度，搭配全序列訓練模型（如LSTM）

   單純複製異常樣本只會讓模型過擬合那幾筆事件。

2. B對時間序列進行差分與標準化後，使用傳統監督式學習模型（如SVM）進行分類訓練

   差分標準化後仍是監督式分類，異常太少學不起來。

3. C使用經過時間序列特化的SMOTE技術生成異常樣本，以平衡異常與正常資料比例

   SMOTE 合成的時序異常未必符合真實故障樣態。

4. D採用基於重建誤差的自編碼器模型（Sequence-to-Sequence Autoencoder）進行異常偵測，並僅使用正常資料進行訓練（正確答案）

   只用正常資料訓練重建模型，以重建誤差偵測異常。