Kvíz spojený s průvodcem · Střední úroveň

Kvíz detekce anomálií umělé inteligence

Zkontrolujte skóre anomálií, učení bez dozoru, kontextové a kolektivní případy, prahové hodnoty a limity průmyslového monitorování.

Související vodicí cestyDetekce anomálií AI
Otázka 1 z 8

Proč detekce anomálií často funguje bez označených příkladů anomálií?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Proč detekce anomálií často funguje bez označených příkladů anomálií?
    • Anomálie jsou vzácné a nepředvídatelné, takže se modely místo toho učí „normálně“.
    • Používání štítků je nezákonné
    • Anomálie se nikdy nestanou
    • Používá pouze obrázky
  2. „Kontextová anomálie“ je datový bod, který je:
    • Vždy všude nenormální
    • Normální v jednom kontextu, ale abnormální v jiném
    • Překlep v databázi
    • Duplicitní záznam
  3. What does the cited WACV autoencoder study use as an anomaly score?
    • A legal fraud label assigned to every record
    • A guarantee that no future fault will occur
    • Reconstruction error from an autoencoder trained to model the data
    • The number of random trees in an Isolation Forest
  4. How does the original Isolation Forest paper isolate candidate anomalies?
    • It requires an expert to label every anomaly in advance
    • It measures reconstruction error from a neural decoder
    • It uses a fixed threshold that proves an item is defective
    • Random partitioning tends to isolate anomalous instances in fewer splits
  5. Jaké je hlavní nebezpečí příliš citlivého nastavení prahu anomálie?
    • Analytici jsou zaplaveni falešnými poplachy
    • Model běží rychleji
    • Data se zašifrují
    • Anomálie se stávají nemožnými
  6. What can an unusual machine-vibration score reasonably trigger?
    • An automatic shutdown because failure is guaranteed
    • A maintenance investigation or additional measurement, without predicting failure with certainty
    • A confirmed diagnosis of the failed component
    • A claim that the machine will fail within a fixed number of hours
  7. Why is an anomaly score not automatically a fraud or defect label?
    • It is always a verified label
    • Anomaly scores cannot be compared
    • It indicates unusualness under a model or baseline, not the cause or consequence
    • The threshold proves intent
  8. What should be documented when setting an anomaly threshold?
    • Only the model’s name
    • A claim that false positives are impossible
    • The number of GPUs alone
    • The reference data, score definition, threshold rationale, and review process