iPAS AI 應用規劃師中級 115 年第一次 科三 第 49 題 詳解
115 年第一次 科三 機器學習技術與應用
某人工智慧團隊正在開發一套自動光學檢測（Automated Optical Inspection, AOI）系統，目標是透過機械手臂上的相機，自動辨識晶圓表面是否存在「劃傷（Scratch）」或「污點（Spot）」等瑕疵。目前系統開發面臨以下挑戰：
●資料極度不平衡，正常晶圓影像約佔99%，有瑕疵影像僅佔1%。
●輸入影像品質不一致，包含不同解析度，且部分影像因機械手臂震動而出現模糊。
●在使用深層卷積神經網路（CNN）訓練時，Loss曲線震盪劇烈，甚至偶爾出現數值溢出（NaN）情形。
請根據上述情境，回答第49~50題。
若團隊需要建立一個超過50層的深層神經網路，以捕捉晶圓表面細微的劃傷特徵，但又擔心傳統深層網路常見的梯度消失（Vanishing Gradient）問題，則下列哪一種經典架構最適合優先考慮？
- AVGG（Visual Geometry Group）：透過重複堆疊3×3卷積層與池化層來維持梯度穩定
VGG 堆疊愈深反而梯度消失愈嚴重，無緩解機制。
- BGoogLeNet：透過Inception模塊並行使用不同大小的卷積核，以避免深層網路的梯度問題
Inception 重點在多尺度特徵與參數效率，非解梯度消失。
- CResNet（Residual Network）：透過殘差連接（Residual Connection / Skip Connection），使梯度能跨層傳遞並降低深層訓練困難（正確答案）
殘差連接讓梯度跨層直傳，支撐 50 層以上訓練。
- DVision Transformer（ViT）：完全捨棄卷積，因此不會出現任何深層模型的訓練問題
ViT 一樣有訓練難題，且仰賴大量資料。
正確答案：C
深層網路的梯度消失問題與殘差連接（Skip Connection）的作用 看到「超過數十層仍能穩定訓練」這類敘述，就往帶捷徑連接的架構想。
用刷8題準備 iPAS AI 應用規劃師中級
每天隨手刷 8 題，答錯的題目會自動排回來再考一次。不用註冊，打開就能開始。
開始刷題