時序差異學習 (Temporal difference learning) 時序差異學習是一類在強化學習領域中非常核心且重要的無模型學習方法。它結合了蒙特卡羅方法與動態規劃的優點，通過結合當前的估計值與新觀測到的獎勵，實現對價值函數的增量更新，而無需等待整個序列結束後才能進行估計修正。通俗來說，TD學習讓智能體能根據當下經驗，不斷調整對未來回報的預測，從而逐步優化決策策略。
支持向量機 (Support vector machine) 支持向量機（SVM）是一種在機器學習領域中廣泛使用的監督式學習模型，主要用於分類和回歸問題。其核心目標是找到一個最佳分割超平面，將不同類別的數據點在特徵空間中分隔開，並且使得該分割面與兩類數據點之間的邊界（Margin）最大化，從而提高分類器對未知數據的泛化能力。
超分辨率 (Super-resolution) 超分辨率是一種圖像處理技術，旨在從低分辨率的圖像中重建出更高分辨率的圖像，恢復或補充因拍攝設備限制或環境因素而丟失的細節。它能將原本模糊或不夠清晰的圖像轉化為更清晰、細節豐富的版本，在影像處理、醫療影像、監控視頻、衛星攝影等多個領域具有重要應用。
風格轉移 (Style transfer) 風格轉移是一種基於深度學習的圖像處理技術，旨在將一張圖片的藝術風格（如色彩、紋理、筆觸等）應用到另一張圖片的內容上，生成兼具原圖內容與目標風格的新圖像。簡而言之，風格轉移讓使用者能夠將梵高、畢卡索等名畫的畫風應用到普通照片上，創造出獨特具有藝術感的作品。
狀態轉換 (State transition) 狀態轉換是控制理論、系統工程及強化學習領域中的一個基本概念，指的是系統由一個狀態變化到另一個狀態的過程。這種變化通常受到內部規律和外部輸入的共同影響。通過對狀態轉換的分析，我們能夠理解系統的動態行為及其對外界刺激的響應，對於設計控制策略及預測系統性能至關重要。
狀態空間 (State space) 狀態空間是數學、控制工程和計算機科學等領域中用來描述系統所有可能狀態的集合。它是將系統的狀態用一組變量表示，這些變量描述系統在任意時間點的完整狀態信息。通過在狀態空間中研究系統狀態的演變和變化，可以有效分析和預測系統的動態行為。
什麼是 穩定擴散 (Stable Diffusion)? 穩定擴散是一種先進的生成式人工智慧模型，可以根據文字提示自動生成高質量、逼真的圖像。由穩定人工智慧（Stability AI）於2022年推出，以其開源性和相對低計算成本受到廣泛關注和應用。穩定擴散屬於擴散模型的一種，透過模擬噪聲的逐步加入與去除過程，實現從隨機噪聲「生成」符合提示內容的圖像。
語義網 (Semantic web) 語義網是互聯網發展的下一代目標，由萬維網之父Tim Berners-Lee在1998年提出的一個重要概念。其核心宗旨是讓網絡上的資料不僅是機器可讀，更重要的是機器能夠“理解”資料的語意，實現智能資訊的共享、整合與推理。語義網通過為網頁和數據添加可被計算機解釋的描述和結構，促使網絡資源能被自動處理和智能利用，超越傳統超文本網絡的僅人類可讀特性。
什麼是 SARSA算法? SARSA算法是一種強化學習中的時序差分（Temporal Difference, TD）學習方法，名稱來自於其更新規則中涉及的五個元素：狀態（State）、動作（Action）、獎勵（Reward）、下一狀態（State）及下一動作（Action），英文首字母合稱SARSA。該算法用於學習行動價值函數（Q函數），幫助智能體在不確定環境下逐步探索並找出最優策略。
