Quiz collegato alla guida · Medio Livello
Quiz sul rilevamento delle anomalie dell'intelligenza artificiale
Esamina i punteggi di anomalia, l'apprendimento non supervisionato, i casi contestuali e collettivi, le soglie e i limiti di monitoraggio industriale.
Domanda 1 di 8
Perché il rilevamento delle anomalie spesso funziona senza esempi etichettati di anomalie?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Perché il rilevamento delle anomalie spesso funziona senza esempi etichettati di anomalie?
- Le anomalie sono rare e imprevedibili, quindi i modelli imparano invece "normali".
- L'uso delle etichette è illegale
- Le anomalie non si verificano mai
- Utilizza solo immagini
- Una "anomalia contestuale" è un punto dati che è:
- Sempre anormale ovunque
- Normale in un contesto ma anormale in un altro
- Un errore di battitura in un database
- Un record duplicato
- 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
- 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
- Qual è il pericolo principale nel fissare una soglia di anomalia in modo troppo sensibile?
- Gli analisti sono inondati di falsi allarmi
- Il modello funziona più velocemente
- I dati vengono crittografati
- Le anomalie diventano impossibili
- 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
- 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
- What should be documented when setting an anomaly threshold?
- Solo il nome del modello
- A claim that false positives are impossible
- The number of GPUs alone
- The reference data, score definition, threshold rationale, and review process