概念TD learning / Temporal Difference Learning
时序差分学习
强化学习中的一种无模型学习方法，通过自举方式利用当前估计与下一步估计的差异来更新值函数，是Q学习和Actor-Critic等方法的基础
时间轴 (近 90 天)
10月19日
该框架适用于时序差分学习（TD learning）。
待验证50%
9月19日
多巴胺能系统编码的是奖励预测误差，即实际获得的奖励与预期奖励之间的差值，这一机制是时序差分（TD）强化学习算法的生物学对应物
待验证50%
8月27日
卷积神经网络的灵感来自神经科学家对视觉皮层感受野的研究，强化学习中的时序差分学习借鉴了心理学中的行为主义学习理论
待验证50%
8月26日
时序差分（TD）学习由 Richard Sutton 在1988年正式提出，结合了蒙特卡洛方法和动态规划的优点
待验证50%