遞歸神經網絡 (Recurrent neural network)
遞歸神經網絡（RNN）是一類專門用來處理序列數據的人工神經網絡架構。與傳統的前饋神經網絡不同，RNN具有內部的記憶機制，可以把過去的資訊持續保存在隱藏層中，並將這些歷史信息與當前輸入結合起來進行計算。這使得RNN非常適合處理具有時間依賴關係或上下文關係的資料，如語言文本、音頻信號、時間序列數據等。
查看AI術語
推理 (Reasoning)
推理是人類和智能系統利用已有的信息和知識，通過邏輯分析、歸納、演繹等方式，得出新結論或做出決策的思考過程。在人工智慧領域中，推理是賦予機器以類似人類判斷和思考能力的核心技術，使其不僅能記憶和識別數據，更能深入理解數據背後的邏輯關係和原因，從而進行智慧判斷和自主決策。
查看AI術語
Q 學習 (Q-learning)
Q學習是一種經典的強化學習算法，屬於無模型（model-free）的值迭代方法。它通過讓智能體在環境中不斷探索和試錯，自主學習在不同狀態下，選擇哪個行動能夠獲得最大累積獎勵。Q學習不需要已知環境的轉移概率和獎勵函數，只依賴與環境的互動數據進行學習，因此在複雜且信息未知的真實環境中具有強大適應性。
查看AI術語
預處理 (Preprocessing)
預處理是指在數據分析、機器學習或人工智慧模型訓練之前，對原始數據進行一系列清理、轉換和整理操作的過程。其核心目標是提高數據質量，消除噪聲和異常，統一數據格式，從而為後續的分析和模型建構提供乾淨且結構良好的數據输入。預處理是實現準確、穩定模型的重要基礎，直接影響分析結果的可靠性和模型的泛化能力。
查看AI術語
策略迭代 (Policy iteration)
策略迭代是強化學習和動態規劃中，求解馬爾可夫決策過程（MDP）最優策略的一種經典算法。其核心思想是通過反覆進行「策略評估」與「策略改進」兩個步驟，逐步優化決策策略，直到找到一個無法再改進的最優策略，從而實現長期累積獎勵的最大化。
查看AI術語