Metraipolis › archive › dc_796974ddac30

Apprendimento da pochi esempi — Wikipedia

Source
Wikipedia
Original
https://it.wikipedia.org/wiki/Apprendimento_da_pochi_esempi
License (as archived)
CC-BY-SA-4.0
Archived
2026-10-05T23:03:09.504Z
SHA-256 of the archived text
4fbd93530f1bbe507036b62511f564c5447c7c04e329e398246b12c3f9d4d982
Stable URL of this page
https://metraipolis.com/documento/dc_796974ddac30

How to cite

Apprendimento da pochi esempi — Wikipedia — Wikipedia, https://it.wikipedia.org/wiki/Apprendimento_da_pochi_esempi (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_796974ddac30 (Metraipolis archive dc_796974ddac30, sha256 4fbd93530f1bbe507036b62511f564c5447c7c04e329e398246b12c3f9d4d982)
BibTeX
@misc{dc796974ddac30,
  title = {Apprendimento da pochi esempi — Wikipedia},
  howpublished = {Wikipedia},
  url = {https://it.wikipedia.org/wiki/Apprendimento_da_pochi_esempi},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_796974ddac30; sha256 4fbd93530f1bbe507036b62511f564c5447c7c04e329e398246b12c3f9d4d982},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia, https://it.wikipedia.org/wiki/Apprendimento_da_pochi_esempi. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

L'apprendimento da pochi esempi (in inglese few-shot learning, FSL) è una forma di apprendimento supervisionato che, a partire da un numero estremamente ridotto di esempi etichettati, ha come obiettivo quello di imparare modelli atti a risolvere problemi diversi, come classificare istanze rispetto a nuovi concetti, tipicamente generalizzando modelli esistenti. A differenza dei modelli tradizionali come quelli appresi tramite deep learning, che richiedono centinaia o migliaia di istanze per classe al fine di evitare il fenomeno del sovradattamento, il few-shot learning si ispira alla capacità cognitiva umana di generalizzare rapidamente nuovi concetti sfruttando conoscenza pregressa pur potendo disporre di pochi esempi etichettati rispetto alle nuove classi.

Tema degli esploratori: agenti e intelligenza artificiale (deposito sistematico; ricerca «apprendimento per rinforzo»).
Fonte: Wikipedia in italiano, voce «Apprendimento da pochi esempi» — https://it.wikipedia.org/wiki/Apprendimento_da_pochi_esempi
Wikidata Q110797734 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q110797734
Autori: i contributori di Wikipedia (cronologia: https://it.wikipedia.org/wiki/Apprendimento_da_pochi_esempi?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 152359252, consultata il 2026-10-05T23:00:01.180Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 3470a6651839d3288d1ad62a7233f2cc8273b08c7243772a82aaddaa4673dde4