注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 含噪径向模糊图像的复原算法研究

  2. [附件中程序使用的详细说明]摄像平台高速靠近目标时，会使成像产生从中心到边缘呈放射状径向模糊的问题，影响对目标的探测、识别与跟踪。针对这一典型的空间变化运动模糊情形，根据实际的目标离散成像过程，推导出 径向模糊图像在极坐标系中的数学模型。并在分析极坐标图像纹理信息几何特征的基础上，基于非局部正则化理论提出改进的Richardson-Lucy 算法，有效解决了模糊系数存在测量误差时，含噪径向模糊图像的复原问题。实验结果表明：提出的图像复原算法能很好地抑制噪声与环状振铃效应，在主观视觉与客观评价方

  3. 所属分类：教育

    • 发布日期：2011-05-14
    • 文件大小：8388608
    • 提供者：maomaoyuspring

  1. richardson-luck 迭代盲复原算法-MATLAB

  2. 算法流程:读入一副清晰图像,类高斯函数滤波后后生成模糊图像.利用模糊图像估计PSF初值,再启动RL算法进行非对称估计PSF与真实图像.算法采用FFT实现了卷积和相关运算,比MATLAB提供的卷积运算速度提高10以上.如果运行中有什么问题,请联系我.13571351120.

  3. 所属分类：其它

    • 发布日期：2015-12-20
    • 文件大小：1024
    • 提供者：ilovecv

  1. jijuanji5.mRL算法对模糊图像复原的matlab程序

  2. RL算法对模糊图像复原的matlab程序，代码matlab，没有详细的讲解，程序并不难

  3. 所属分类：其它

  1. mbpo_pytorch:基于模型的强化学习算法MBPO的pytorch复制-源码

  2. 概述 这是pytorch中基于模型的RL算法MBPO的重新实现，如下文所述：。 该代码基于的使用张量流集成模型重现了结果，但使用pytorch集成模型却表现出明显的性能下降。 这段代码使用pytorch重新实现了集成动力学模型，并缩小了差距。 转载结果 比较是在两个任务上完成的，而其他任务没有经过测试。 但是在经过测试的两个任务上，与官方的tensorflow代码相比，pytorch实现获得了类似的性能。 依存关系 MuJoCo 1.5和MuJoCo 2.0 用法 python main_mb

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：176128
    • 提供者：weixin_42168830

  1. genrl:一个PyTorch强化学习库，用于可推广和可再现的算法实现，旨在改善RL中的可访问性-源码

  2. GenRL是一个PyTorch强化学习库，以可重现，可推广的算法实现为中心，并提高了强化学习的可访问性 GenRL的当前版本为v0.0.2。期待重大变化 强化学习研究的发展比以往任何时候都快。为了跟上不断增长的趋势并确保RL研究保持可重复性，GenRL旨在通过提供以下主要功能来帮助更快地进行纸张复制和基准测试： PyTorch-first ：模块化，可扩展和惯用的Python 教程和示例：从基本RL到SOTA Deep RL算法的20多个教程（包括说明）！ 统一培训师和日志记录课程：代码可重用

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：405504
    • 提供者：weixin_42162216

  1. emorl:研究emo和rl算法-源码

  2. emorl:研究emo和rl算法

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：2097152
    • 提供者：weixin_42131405

  1. distributedRL:分布式增强学习算法轻松原型制作的框架-源码

  2. 分布式RL distributedRL是一个框架，用于使用Pytorch ， Ray和ZeroMQ （及更多）对变形强化学习进行原型制作。 您可以利用结构组件在单台机器上轻松分发您的强化学习算法。 当前，可以使用Ape-X DQN的实现。 IMPALA和SEED计划实施。 如果您有任何疑问，请随时与我们联系（哥伦比亚大学教育学院的cjy2129）或提出问题！ 关于一些选择的注释 ApeXLearner和ApeXWorker被实现为抽象类（分别继承common.abstract.Learne

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：22528
    • 提供者：weixin_42128676

  1. DeepRL:一些深度RL算法的实现-源码

  2. DeepRL 一些深度RL算法的实现 要求 python <= 3.6 火炬== 1.0 火炬视觉 张量流== 1.15.2 张量板 健身房 相关论文

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：3145728
    • 提供者：weixin_42120997

  1. DRLib：DRLib：一个简洁的深度强化学习库，将HER和PER集成为几乎不符合政策的RL算法-源码

  2. DRLib：简洁的深度强化学习库，几乎将所有非政策性RL算法与HER和PER集成在一起。 简洁的深度强化学习库，几乎将所有非政策性RL算法与HER和PER集成在一起。 该库是基于的代码编写的，可以使用tensorflow或pytorch来实现。 与旋转相比，多进程和实验性网格包装已被删除，易于应用。 另外，我们库中的代码很方便用pycharm调试〜 项目特点： tf1和pytorch两个版本的算法，前者快，另外新，任君选择； 在spinup的基础上，封装了DDPG，TD3，SAC等主流强化算

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：143360
    • 提供者：weixin_42116794

  1. awesome-rl：精选强化学习资源-源码

  2. 很棒的强化学习 专门用于强化学习的精选资源列表。 我们还有其他主题的页面： ，， ： ， 我们正在寻找更多的贡献者和维护者！ 贡献 请随时 目录 代号 理查德·萨顿和安德鲁·巴托的《强化学习：入门》中的示例和练习代码 强化学习控制问题的仿真代码 （用于RL的标准接口）和 -基于Python的增强学习，人工智能和神经网络 -用于教育和研究的基于价值函数的强化学习框架 用于python强化学习中问题的机器学习框架 基于Java的强化学习框架 实现Q学习和其他RL算法的平台 贝叶斯强化学习库和工

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：11264
    • 提供者：weixin_42116805

  1. 强化学习算法：一些流行的RL算法的实现-源码

  2. 安装 首先在requirements.txt安装需求，然后运行pip install -e .

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：954368
    • 提供者：weixin_42170064

  1. DeepReinforcementLearning：深度RL实施。 在pytorch中实现的DQN，SAC，DDPG，TD3，PPO和VPG。 经过测试的环境：LunarLander-v2和Pendulum-v0-源码

  2. 使用Pytorch实现的深度RL算法 算法列表： 关于深入探讨 实验结果： 算法 离散环境：LunarLander-v2 连续环境：Pendulum-v0 DQN -- VPG -- DDPG -- TD3 -- SAC -- PPO -- 用法： 只需直接运行文件/算法。 在我学习算法时，它们之间没有通用的结构。 不同的算法来自不同的来源。 资源： 未来的项目： 如果有时间，我将为使用RL的电梯添加一个简单的程序。 更好的图形

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：400384
    • 提供者：weixin_42099070

  1. RL_算法-源码

  2. RL_算法 此回购包括用于学习目的的不同RL算法。 环境 可以在[Pendulum] 找到演示中的钟摆环境。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：156672
    • 提供者：weixin_42104778

  1. 教练：英特尔AI实验室的强化学习教练可轻松进行最新的强化学习算法实验-源码

  2. 教练 Coach是一个python强化学习框架，其中包含许多最新算法的实现。 它公开了一组易于使用的API，用于试验新的RL算法，并允许简单集成新环境来解决。 基本的RL组件（算法，环境，神经网络体系结构，探索策略等）已很好地分离，因此扩展和重用现有组件非常容易。 培训代理以解决环境就像运行一样容易： coach -p CartPole_DQN -r （初始版本） （当前版本） 目录 基准测试 建立研究项目或基于已发布算法的解决方案时的主要挑战之一是，获得一个具体可靠的基准，

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：42991616
    • 提供者：weixin_42137032

  1. POMDP：基于部分可观察的马尔可夫决策过程实现RL算法-源码

  2. POMDP：基于部分可观察的马尔可夫决策过程实现RL算法

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：168960
    • 提供者：weixin_42131785

  1. reinforce-js：[INACTIVE]各种机器学习求解器的集合。 该库是一种面向对象的方法（与Typescript结合使用），并尝试提供简化的接口，这些接口使使用算法非常简单-源码

  2. 强化js 征集志愿者：由于时间紧缺，我急切地寻求自愿帮助。 如果您对建立加固代理人感兴趣（即使您是新手），并愿意进一步发展此教育项目，请与我联系:)议程上有一些要点，我仍然希望看到实现使该项目成为用于抽象教育目的的漂亮图书馆。 不活跃：由于缺乏时间和帮助 reinforce-js –各种简单的强化学习求解器的集合。 该库仅用于教育目的。 该库是一种面向对象的方法，它试图提供简化的接口，这些接口使使用算法变得非常容易（使用烘焙）。 此外，它是Andrej Karpathy的强化学习库的扩展，该

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：40960
    • 提供者：weixin_42157166

  1. minimalRL：用最少的代码行实现基本的RL算法！ （基于火炬）-源码

  2. 最小RL 用最少的代码行实现基本的RL算法！ （基于PyTorch） 每种算法都在一个文件中完成。 每个文件的长度最多为100〜150行代码。 即使没有GPU，也可以在30秒内训练每种算法。 Env固定为“ CartPole-v1”。 您可以只关注实现。 演算法 （67行） （98行） （112行，包括重放内存和目标网络） （119条线，包括GAE） （145行，包括OU噪声和软目标更新） （129条线） （149条线） （188条线） （171行）已添加

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：18432
    • 提供者：weixin_42121725

  1. imitation_learning：PyTorch实现的一些强化学习算法：优势演员评论（A2C），近距离策略优化（PPO），V-MPO，行为克隆（BC）。 将添加更多算法-源码

  2. 模仿学习 此仓库包含一些强化学习算法的简单PyTorch实现： 优势演员评论家（A2C） 的同步变体 近端策略优化（PPO）-最受欢迎的RL算法 ， ，， 策略上最大后验策略优化（V-MPO）-DeepMind在其上次工作中使用的算法 （尚不起作用...） 行为克隆（BC）-一种将某些专家行为克隆到新策略中的简单技术 每种算法都支持向量/图像/字典观察空间和离散/连续动作空间。 为什么回购被称为“模仿学习”？ 当我开始这个项目并进行回购时，我认为模仿学习将是我的主要重点，并且无模型方法

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：11534336
    • 提供者：weixin_42128015

  1. ReinforcementLearning:RL算法从基础到最新-源码

  2. 强化学习 RL算法从基础到最新 请访问“以获取有关我的项目列表和在线出版物的更多信息。

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：573440
    • 提供者：weixin_42121272

  1. simrl:PyTorch中RL算法的简单实现-源码

  2. Simrl PyTorch中RL算法的简单实现。 支持的算法 PPO TRPO DDPG DQN A3C SAC

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：18432
    • 提供者：weixin_42126399
« 12 3 4 5 6 7 8 »