50. MC型主機氣壓遙控管路系統中，排氣閥之AIR SPRING屬於哪一控制區？
(A)AIR SOURCE
(B)SAFETY DEVICE
(C)STARTING LINE
(D)SPEED SETTING LINE

答案：登入後查看
統計： 尚無統計資料

相關試題

50. MC型主機氣壓遙控管路系統中，排氣閥之AIR SPRING屬於哪一控制區？ (A)AIR SOURCE (B)SAFETY DEVICE (C)STARTING LINE (D)SPEED SETTING LINE

1. 某量化投資團隊需估算某投資組合未來 30 日的風險值。由於衍生性金融商品的定價模型過於複雜，無法以解析解直接求得，工程師因此採用隨機模擬方式，產生大量市場情境模擬並估計損失分布。此方法屬於下列哪一種技術框架？ (A)馬可夫鏈(Markov Chain)：以狀態轉移機率描述系統演變的隨機過程； (B)梯度下降最佳化(Gradient Descent)：透過迭代更新參數以最小化損失函數； (C)蒙地卡羅方法(Monte Carlo Method)：透過大量隨機抽樣近似機率分布或數值結果； (D)貝氏推論(Bayesian Inference)：結合先驗分布與資料更新後驗機率

2. 某工程師在建立房價預測模型時，訓練資料中存在少數豪宅(成交價超過一般物件 10 倍以上)。若工程師希望模型對這些極端高價物件的預測誤差更敏感，並在訓練時產生較大的梯度更新影響，應優先選擇下列哪種損失函數？ (A)平均絕對誤差(MAE)：對誤差進行線性懲罰，對離群值較不敏感，梯度近似固定； (B)Huber 損失(Huber Loss)：小誤差採平方懲罰，大誤差轉為線性懲罰，以降低離群值影響； (C)均方誤差(MSE)：對誤差進行平方處理，使大誤差產生更大的懲罰與梯度； (D)交叉熵損失(Cross-Entropy Loss)：用於分類問題的機率分布差異衡量

3. 某工程師在撰寫 Transformer 的 Attention 層時，需手動驗證矩陣維度是否相容。輸入矩陣 Q 已攤平成形狀為(1, 10)，Query 投影權重矩陣 WQ形狀為(10, 64)。執行 Q x WQ後輸出的形狀為何？ (A)(1, 64)； (B)(10, 10)； (C)(64, 1)； (D)維度不相容，無法相乘

4. 某 AI 團隊同時開發多個影像辨識系統，並在訓練流程中統一加入資料擴增策略 (包含隨機水平翻轉)以提升模型泛化能力。實驗後發現，部分任務的測試表現明顯下降。下列哪一項任務最可能因該資料擴增策略引入語意錯誤(Semantic Inconsistency)，使同一樣本在翻轉後對應不同類別標籤，進而影響模型學習？ (A)寵物監控中的貓狗分類； (B)車輛辨識中的車型分類； (C)手寫數字辨識； (D)道路場景中的行人偵測

5. 某工程師完成多元線性迴歸模型後，繪製殘差圖(Residual Plot)，發現殘差隨預測值增大而呈現擴散現象(右側明顯比左側分散)。此現象最可能代表什麼問題？ (A)殘差之間存在關聯； (B)特徵之間高度相關； (C)殘差變異數不一致； (D)殘差不符合常態分布

6. 某資料科學家欲對 512 維詞嵌入向量(共 10 萬筆)進行視覺化以探索群集結構，同時另一工程師需將 200 個製程特徵降維後作為 XGBoost 的輸入特徵。關於 tSNE 與 PCA 選型，下列敘述何者最正確？ (A)t-SNE 保留全局線性結構，適合作為 XGBoost 的降維前處理； (B)t-SNE 保留局部鄰域結構，適合視覺化；但不保留全局結構，不適合作為模型輸入特徵； (C)PCA 為非線性降維方法，能保留複雜流形結構； (D)t-SNE 與 PCA 皆可直接對新資料進行線性外推

7. 某金融團隊建立信貸風險模型，特徵工程後共產生 200 個變數，其中「月收入」、「年收入」、「季收入」三者高度相關。模型上線後業務單位反映：每次重新訓練後，模型輸出的重要特徵清單在這些高度相關特徵間反覆變動，難以向審查單位解釋。請問下列何者為造成此現象最可能的原因？ (A)模型使用 L2 正則化，導致所有特徵係數被壓縮至接近零，重要性難以區分； (B)模型使用 L1 正則化，面對高度相關特徵時隨機保留其中之一，導致每次訓練保留的特徵不穩定； (C)模型未使用任何正則化，過擬合導致係數每次收斂至不同極值； (D)特徵數量過多導致梯度消失，應優先進行 PCA 降維再套用正則化

8. 某深度學習工程師訓練 ResNet 時，發現模型在前幾個 Epoch 驗證損失快速下降，但從第 15 個 Epoch 起驗證損失開始上升，而訓練損失持續下降。工程師將學習率調高後，訓練損失反而開始明顯震盪。學習率過大最直接導致下列哪種現象？ (A)梯度消失(Gradient Vanishing)：梯度在反向傳播中逐層縮小趨近於零，底層無法學習； (B)損失函數震盪或發散(Oscillation / Divergence)：每次更新步伐過大，參數在最優點兩側反覆跳越，無法穩定收斂； (C)過擬合(Overfitting)：模型記憶訓練資料的雜訊，泛化能力下降； (D)死亡 ReLU(Dying ReLU)：大量神經元輸出永久為零，停止參與梯度更新

9. 某工程師訓練深度神經網路時發現損失函數震盪嚴重且收斂速度慢，改用 Adam 優化器後訓練變得穩定且收斂更快。下列何者為 Adam 能改善此問題的主要原因？ 115 年第一次 AI 應用規劃師-中級能力鑑定【公告試題】第三科：機器學習技術與應用考試日期：115 年 05 月 23 日第 3 頁，共 18 頁答案題目 (A)同時結合一階動量(Momentum)與自適應學習率(Adaptive Learning Rate)，為每個參數調整更新步長； (B)強制所有參數使用相同學習率(Learning Rate)，避免梯度差異造成不穩定； (C)透過批次正規化(Batch Normalization)重新分布輸入資料； (D)將梯度裁剪為固定範圍以避免梯度爆炸(Gradient Explosion)

相關試卷

115年 - 115-1 交通部航港局_船員岸上晉升適任性評估筆試測驗_二等大管輪：維修保養與輔機#141028

2026 年 · #141028

114年 - 114-3 交通部航港局_船員岸上晉升適任性評估筆試測驗_二等大管輪：維修保養與輔機#141074

2025 年 · #141074

113年 - 113-1 交通部航港局_船員岸上晉升適任性評估筆試測驗_二等大管輪：維修保養與輔機#122541

2024 年 · #122541

112年 - 112-2 交通部航港局船員岸上晉升適任性評估筆試測驗_二等大管輪：維修保養與輔機#116861

2023 年 · #116861

111年 - 111-1 交通部航港局船員岸上晉升適任性評估筆試測驗_二等大管輪：輪維修保養與輔機#110219

2022 年 · #110219

98年 - 98-1 交通部航港局_船員岸上晉升訓練及適任性評估_一二等大管輪：維修保養與輔機#100327

2009 年 · #100327