阿摩線上測驗
登入
首頁
>
技檢◆網版製版印刷-丙級
>
115年 - 19200 網版製版印刷 丙級 工作項目 10：印刷後處理 1-17（2026/01/06 更新）#136328
> 試題詳解
17. 下列何者是塑膠被印物進行印刷、熱壓成型後，出現印紋脫落的原因？
(A)印墨不耐熱
(B)溶劑不耐熱
(C)色粉不耐熱
(D)助劑不耐熱 。
答案：
登入後查看
統計：
A(0), B(0), C(0), D(1), E(0) #3774674
詳解 (共 1 筆)
MoAI - 您的AI助手
B1 · 2026/11/05
#7657642
考點觀念 本題考的是印墨的耐熱性與熱壓...
(共 844 字，隱藏中）
前往觀看
0
0
相關試題
1. 某零售企業建立一個銷售預測模型，希望評估該模型在不同月份的新資料上，是否仍能維持穩定的預測表現。資料科學團隊計畫利用統計方法檢驗模型對未觀察資料的適應能力與泛化效果。下列哪一種方法最適合用於此目的？ (A)F 檢定(F-test)； (B)交叉驗證(Cross-Validation)； (C)配對樣本 t 檢定(Paired-sample t-test)； (D)卡方檢定(Chi-square Test)
#3774675
2. 在建立迴歸或分類模型時，若希望避免模型過度擬合(Overfitting)，可透過加入正則化項以限制模型的複雜度。其中，L1 正則化(Lasso)的主要效果為何？ (A)增加模型參數的數量，以提升表現靈活度； (B)強化梯度穩定性，避免參數更新過度震盪； (C)產生稀疏模型(Sparse Model)，使部分參數權重收斂為零； (D)提高學習率(Learning Rate)，加速模型收斂速度
#3774676
3. 在訓練非線性模型時，若目標函數為非凸函數(Non-convex Function)，演算法在參數更新過程中可能出現多個極值點，導致最佳化結果不穩定。請問此時最可能發生下列哪一種情況？ (A)梯度消失； (B)資料過少； (C)局部最優解； (D)過擬合
#3774677
4. 在執行 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)群集分析時，若某資料點鄰域內的樣本數不足以形成核心點 (Core Point)，且該點未被任何核心點的鄰域所包含，也未與其他群集形成密度可達關係(Density Reachability)，此資料點最終將被歸類為哪一種類型？ (A)鄰近點(Neighbor Point)； (B)雜訊點(Noise Point)； (C)邊界點(Border Point)； (D)潛在點(Potential Point)
#3774678
5. 某智慧製造公司開發一套影像辨識系統，用於自動檢測生產線上的瑕疵產品。系統採用卷積神經網路(Convolutional Neural Network, CNN)作為主要模型架構，其中第一層卷積層(Convolutional Layer)主要負責的功能為下列何者？ (A)自動提取輸入影像中的局部特徵； (B)降低影像維度以加速運算效率； (C)增加神經元與參數數量以提升模型容量； (D)整合所有特徵並輸出最終分類結果
#3774679
6. 某智慧城市團隊開發一套交通監控系統，用於即時辨識路口監視器影像中的車輛與行人。團隊比較後發現，卷積神經網路(Convolutional Neural Network, CNN)在訓練與推論效率上，明顯優於傳統的全連接神經網路 (Fully Connected Neural Network, FCNN)。請問下列何者為主要原因？ (A)CNN 能自動學習影像的旋轉與比例不變性； (B)CNN 可直接跳過人工特徵提取步驟進行分類； (C)CNN 透過區域感知(Local Receptive Field)與參數共享(Parameter Sharing)機制，降低模型參數量與運算複雜度； (D)CNN 捨棄激勵函數(Activation Function)，以加快運算速度
#3774680
7. 下列哪一種應用最適合採用長短期記憶網路(Long Short-Term Memory, LSTM)模型？ (A)預測未來七天的電力需求變化趨勢； (B)辨識監視影像中不同類別的物件； (C)將大量顧客資料依相似特徵自動分群； (D)將高維度的感測器資料壓縮成低維表示
#3774681
8. 資訊增益(Information Gain)常用於衡量特徵對分類結果的不確定性貢獻程度，並據以進行特徵選擇。此方法主要應用於下列哪一類模型架構中？ (A)使用 L1 正則化進行特徵篩選的線性模型； (B)利用激活函數(Activation Function)進行特徵擷取的深度神經網 路； (C)透過核函數(Kernel Function)將特徵映射至高維空間的分類模型； (D)透過遞迴分裂方式建立分類規則的決策樹模型
#3774682
9. 在建構以距離為基礎的機器學習模型(如 KNN、SVM)時，下列哪一項資料前處理方式最為關鍵？ (A)進行特徵縮放(Feature Scaling)，使各特徵變數具有相似的數值範 圍； (B)將連續型特徵變數轉換為類別型變數； (C)以平均值或中位數進行缺失值補齊； (D)進行隨機抽樣以平衡資料筆數
#3774683
10. 下列哪一種應用情境最適合導入 AutoML，以提升模型開發效率？ (A)公司已有完整的 MLOps 平台與資深資料科學團隊，模型更新採固定流程； (B)製造部門的生產良率模型已長期穩定運作，只需定期調整參數； (C)行銷部門希望在短時間內比較多種顧客流失預測模型，缺乏專職工程師與時間進行手動建模； (D)財務部門正在開發高度客製化的信用風險評估模型，需要精細控制特徵工程與演算法細節
#3774684
相關試卷
115年 - 19200 網版製版印刷 丙級 工作項目 10：印刷後處理 1-17（2026/01/06 更新）#136328
2026 年 · #136328
115年 - 19200 網版製版印刷 丙級 工作項目 09：故障排除 1-20（2026/01/06 更新）#136327
2026 年 · #136327
115年 - 19200 網版製版印刷 丙級 工作項目 08：印刷與乾燥 51-83（2026/01/06 更新）#136326
2026 年 · #136326
115年 - 19200 網版製版印刷 丙級 工作項目 08：印刷與乾燥 1-50（2026/01/06 更新）#136325
2026 年 · #136325
115年 - 19200 網版製版印刷 丙級 工作項目 07：印墨與被印物適性 51-83（2026/01/06 更新）#136324
2026 年 · #136324
115年 - 19200 網版製版印刷 丙級 工作項目 07：印墨與被印物適性 1-50（2026/01/06 更新）#136323
2026 年 · #136323
115年 - 19200 網版製版印刷 丙級 工作項目 06：印刷前準備 1-27（2026/01/06 更新）#136322
2026 年 · #136322
115年 - 19200 網版製版印刷 丙級 工作項目 05：晒版顯像與製版處理 101-131（2026/01/06 更新）#136321
2026 年 · #136321
115年 - 19200 網版製版印刷 丙級 工作項目 05：晒版顯像與製版處理 51-100（2026/01/06 更新）#136320
2026 年 · #136320
115年 - 19200 網版製版印刷 丙級 工作項目 05：晒版顯像與製版處理 1-50（2026/01/06 更新）#136319
2026 年 · #136319
阿摩線上測驗
登入
阿摩線上測驗
登入
