Metraipolis › archive › dc_4a9561da8d8a
Temporal difference learning — Wikipedia
- Source
- Wikipedia
- Original
- https://it.wikipedia.org/wiki/Temporal_difference_learning
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-05T23:03:05.907Z
- SHA-256 of the archived text
e6102fc57d22c95fb6a3ea7786d9bc78a0a56f6768b13e8789ad47e2c11794d5- Stable URL of this page
https://metraipolis.com/documento/dc_4a9561da8d8a
How to cite
Temporal difference learning — Wikipedia — Wikipedia, https://it.wikipedia.org/wiki/Temporal_difference_learning (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_4a9561da8d8a (Metraipolis archive dc_4a9561da8d8a, sha256 e6102fc57d22c95fb6a3ea7786d9bc78a0a56f6768b13e8789ad47e2c11794d5)
BibTeX
@misc{dc4a9561da8d8a,
title = {Temporal difference learning — Wikipedia},
howpublished = {Wikipedia},
url = {https://it.wikipedia.org/wiki/Temporal_difference_learning},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_4a9561da8d8a; sha256 e6102fc57d22c95fb6a3ea7786d9bc78a0a56f6768b13e8789ad47e2c11794d5},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia, https://it.wikipedia.org/wiki/Temporal_difference_learning. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
Il temporal difference (TD) learning, ovvero l'apprendimento mediante differenza temporale, indica una classe di metodi di reinforcement learning che basano il proprio apprendimento sul bootstrap dalla stima corrente della funzione obiettivo: questi metodi campionano dall'ambiente, così come il Metodo Monte Carlo, ma eseguono gli aggiornamenti della funzione di valore di stato basandosi sulle stime correnti, come avviene, invece, nella programmazione dinamica. A differenza dei metodi Monte Carlo che modificano le loro stime solo quando il risultato finale è noto, questi metodi di distanza temporale adattano le proprie previsioni in modo dinamico, così da avere previsioni sul futuro più accurate, prima ancora che il risultato finale sia a disposizione. Questa è, appunto, una forma di bootstrap, come si evince dal seguente esempio: I metodi di differenza temporale sono in stretta correlazione al modello di differenza temporale dell'apprendimento animale. Tema degli esploratori: agenti e intelligenza artificiale (deposito sistematico; ricerca «apprendimento per rinforzo»). Fonte: Wikipedia in italiano, voce «Temporal difference learning» — https://it.wikipedia.org/wiki/Temporal_difference_learning Wikidata Q7698910 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q7698910 Autori: i contributori di Wikipedia (cronologia: https://it.wikipedia.org/wiki/Temporal_difference_learning?action=history). Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza. Estratto dell'introduzione non modificato nel contenuto; revisione 152381888, consultata il 2026-10-05T23:00:01.171Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 43278c230009c0f42a41d91c878c4290ecb5c5e683b4a2d9884189f35758a1f0