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. Papers-Literature-ML-DL-RL-AI：与机器学习，深度学习，AI，博弈论，强化学习有关的高引用和有用论文-源码

  2. Papers-Literature-ML-DL-RL-AI：与机器学习，深度学习，AI，博弈论，强化学习有关的高引用和有用论文

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：441450496
    • 提供者：weixin_42168555

  1. PyGame-学习-环境：PyGame学习环境（PLE）-Python中的强化学习环境-源码

  2. PyGame学习环境 PyGame学习环境（PLE）是一种学习环境，模仿了界面，可以快速开始使用Python进行强化学习。 PLE的目标是使从业人员可以专注于模型和实验的设计，而不是环境设计。 PLE希望最终建立一个广阔的游戏库。 接受游戏的PR。 文献资料 该项目的文档可以在。 他们目前是在制品。 游戏类 可用的游戏可以在找到。 入门 PLE实例要求游戏公开一组控制方法。 要查看所需的方法， ple/games/base.py查看ple/games/base.py 这是从PLE的游戏库

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：7340032
    • 提供者：weixin_42181888

  1. Pytorch-Project-Template：PyTorch项目的可扩展模板，其中包括图像分割，对象分类，GAN和强化学习的示例-源码

  2. PyTorch项目模板由以下工具赞助； 请通过查看并注册免费试用来帮助支持我们 PyTorch项目模板 聪明地实施PyTorch项目。 PyTorch项目的可扩展模板，包括图像分割，对象分类，GAN和强化学习中的示例。 考虑到深度学习项目的性质，我们没有机会考虑项目结构或代码模块化。 在处理了不同的深度学习项目并面对文件组织和代码重复的问题之后，我们提出了一个模块化项目结构来容纳任何PyTorch项目。 我们还想为社区提供各种PyTorch模型的基础。 这是和之间的联合工作 目录： 为什么

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：140288
    • 提供者：weixin_42110533

  1. pysc2-examples：《星际争霸II》-pysc2深度强化学习示例-源码

  2. StartCraft II强化学习示例 该示例程序建立在 pysc2（Deepmind）[ ] 基线（OpenAI）[ ] s2client-proto（暴雪）[ ] Tensorflow 1.3（谷歌）[ ] 目前的例子 小地图 使用Deep Q Network收集矿物碎片 快速入门指南 1.获取PySC2 聚酰亚胺 获取PySC2的最简单方法是使用pip： $ pip install git+https://github.com/deepmind/pysc2 另外，您必须安

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：4194304
    • 提供者：weixin_42135753

  1. 稳定基线3：稳定基线的PyTorch版本，强化学习算法的可靠实现-源码

  2. 警告：稳定的Baselines3当前处于测试版，发布1.0之前可能会发生重大更改。 稳定的基线3 稳定基准3（SB3）是PyTorch中增强学习算法的一组可靠实现。 它是“的下一个主要版本。 您可以在“ 阅读有关“稳定基准”的详细介绍。 这些算法将使研究团体和行业更容易复制，完善和识别新想法，并将创建良好的基准以在其上构建项目。 我们希望这些工具将被用作添加新想法的基础，以及将新方法与现有方法进行比较的工具。 我们还希望这些工具的简单性将使初学者可以尝试使用更高级的工具集，而不会陷入实现细

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：903168
    • 提供者：weixin_42131443

  1. 深度学习技巧：通过从这些令人兴奋的演讲中学习，可以深入学习深度学习，强化学习，机器学习，计算机视觉和NLP！-源码

  2. 深度学习技巧：通过从这些令人兴奋的演讲中学习，可以深入学习深度学习，强化学习，机器学习，计算机视觉和NLP！

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：29696
    • 提供者：weixin_42139357

  1. softlearning：Softlearning是用于在连续域中训练最大熵策略的强化学习框架。 包括Soft Actor-Critic算法的正式实现-源码

  2. 软学习 软学习是一种深度强化学习工具箱，用于在连续域中训练最大熵策略。 该实现相当薄，并且主要针对我们自己的开发目的进行了优化。 对于大多数模型类（例如策略和值函数），它都使用tf.keras模块。 我们使用Ray进行实验编排。 Ray Tune和Autoscaler实现了几项简洁的功能，使我们能够无缝运行与用于本地原型制作的实验脚本相同的实验脚本，以在任何选定的云服务（例如GCP或AWS）上启动大规模实验，并智能地并行化和分发培训以提高效率。资源分配。 此实现使用Tensorflow。 对于

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：160768
    • 提供者：weixin_42120550

  1. keras-rl：Keras的深度强化学习-源码

  2. Keras的深度强化学习 它是什么？ keras-rl在Python中实现了一些最先进的深度强化学习算法，并与深度学习库无缝集成。 此外， keras-rl可与一起使用。 这意味着评估和使用不同算法很容易。 当然，您可以根据自己的需要扩展keras-rl 。 您可以使用内置的Keras回调和指标，也可以定义自己的回调和指标。 更重要的是，只需扩展一些简单的抽象类，即可轻松实现自己的环境甚至算法。 文档可。 包含什么？ 到目前为止，已实现以下算法： 深度Q学习（DQN） ， Dou

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：903168
    • 提供者：weixin_42099755

  1. mario-ai：通过深度强化学习玩Mario-源码

  2. mario-ai：通过深度强化学习玩Mario

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：539648
    • 提供者：weixin_42113754

  1. 深冷激光喷丸强化2024-T351铝合金拉伸性能及断口分析

  2. 对2024-T351铝合金进行了深冷激光喷丸强化(CLP)处理。结果表明, CLP处理使得2024-T351铝合金的表层金属发生了有效的晶粒细化, 严重塑性变形层的晶粒尺寸大多在10 μm以下, 材料内第二相分布更为均匀; CLP处理后试样的表面硬度、抗拉强度和屈服强度比未处理样品的分别提高了34.1%、21.6％和28.9％, 材料的延伸率也略有提高, 实现了强度和塑性的同步增强。拉伸断口形貌表明, 2024-T351铝合金经CLP处理后的断裂形式为韧性断裂, 这有利于改善铝合金的拉伸性能。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：8388608
    • 提供者：weixin_38660918

  1. TC6钛合金激光喷丸组织演变与表面强化机理

  2. 研究了激光喷丸(LP)TC6钛合金的组织演变对表面强度的影响机理。结果表明, LP后材料表面的显微硬度和残余应力均随功率密度的增加而增大, LP引起的硬度影响层和残余应力影响层的深度也随功率密度的增加而增大, 且影响层深度为500~600 μm。LP对TC6钛合金强度的影响机理包括细晶强化和位错强化, 晶粒细化使大角度和小角度晶界增多, 而晶界能阻止材料发生屈服; LP产生的高密度位错可使材料的屈服强度提高, 阻碍位错的运动, 抑制裂纹的萌生, 从而使材料的力学性能提高。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：13631488
    • 提供者：weixin_38595850

  1. ml-stock-prediction：使用强化学习（包括自定义OpenAI环境）进行库存预测的工具集-源码

  2. 毫升库存预测 该存储库旨在使用强化学习在定制的OpenAI Gym环境中回测和实时交易加密货币。 先决条件 为了在机器上启动并运行该项目，并且主要是为了能够使用交易环境，必须首先安装一些依赖项。 首先通过执行以下操作来安装（如果尚未安装的话）NumPy，Pandas，Jupyter和matplotlib： pip install numpy matplotlib ipython jupyter pandas 还必须安装OpenAI Gym，可以使用以下方法完成： pip install gy

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42125826

  1. rl：深度强化交易学习-源码

  2. 笔记本和代码张贴在强化学习上。 玩Tic-Tac-Toe的基于表的强化学习，类似于无意义的深度学习算法 Keras从零开始构建深度强化学习算法，用于CartAI和LunarLander等OpenAI环境。 DQN 策略梯度（REINFORCE） 用基线加强 ， 仅运行保存的好模型，不进行训练 与UC Berkeley Ray项目相似但具有最先进的RL 受戈登·里特（Gordon Ritter）论文《机器学习交易》的启发， 交易假市场数据。 这应该在运行。 典型安装过程： 安装 p

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：12582912
    • 提供者：weixin_42112894

  1. 强化：haskell中的强化学习-源码

  2. 强化：haskell中的强化学习

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：83968
    • 提供者：weixin_42134144

  1. Enhancement_learning_financial_trading：有关如何使用强化学习开发金融交易模型的MATLAB示例-源码

  2. Enhancement_learning_financial_trading：有关如何使用强化学习开发金融交易模型的MATLAB示例

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：3145728
    • 提供者：weixin_42126677

  1. 自主漂移：使用强化学习的自主漂移-源码

  2. 自主漂流 使用强化学习的自主漂移 安装 须藤./setup_env.sh cd fyp_ws catkin_make 。 devel / setup.bash（在.bashrc中添加source [full path to setup.bash] ） roscddrift_car_env /脚本/ sudo pip install -e。 roscddrift_car / scr ipts / rl sudo pip install -r requirements.txt 首次打

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：247808
    • 提供者：weixin_42099151

  1. Practical-rl：Julia中的强化学习。 解决OpenAI体育馆-源码

  2. Practical-rl：Julia中的强化学习。 解决OpenAI体育馆

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：22528
    • 提供者：weixin_42104181

  1. 多巴胺：多巴胺是用于强化学习算法的快速原型制作的研究框架-源码

  2. 多巴胺 多巴胺是用于强化学习算法的快速原型制作的研究框架。 它旨在满足对小型，易处理的代码库的需求，用户可以在其中自由地试验荒诞的想法（投机研究）。 我们的设计原则是： 轻松进行实验：使新用户可以轻松进行基准实验。 灵活的开发：使新用户可以轻松尝试研究思路。 紧凑且可靠：提供一些经过战斗测试的算法的实现。 可重现：促进结果的可重现性。 特别是，我们的设置遵循的建议 。 本着这些原则的精神，第一个版本专注于支持适用于Atari 2600游戏的最先进的单GPU Rainbow代理（

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：5242880
    • 提供者：weixin_42104181

  1. tensorlayer：面向科学家和工程师的深度学习和强化学习库:fire:-源码

  2. 是基于TensorFlow的新型深度学习和强化学习库，专为研究人员和工程师设计。 它基于社区开源开源的大量和，提供了广泛的可自定义神经层集合，可以快速构建高级AI模型。 TensorLayer被评为2017年度最佳开源软件。 该项目也可以在和找到。 新闻 :fire: 3.0.0将支持多个后端，例如TensorFlow，MindSpore等，使用户可以在Nvidia-GPU和Huawei-Ascend等不同的硬件上运行代码。 我们需要更多人加入开发团队，如果您有兴趣，请发送电子邮件 :fi

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：5242880
    • 提供者：weixin_42099070

  1. h2t：h2t（HTTP强化工具）扫描网站并建议应用安全标头-源码

  2. h2t-HTTP强化工具 描述 h2t是帮助系统管理员加强其网站的简单工具。 到现在为止，h2t会检查网站标题并建议如何做得更好。 依存关系 安装 $ git clone https://github.com/gildasio/h2t $ cd h2t $ pip install -r requirements.txt $ ./h2t.py -h ...或Docker方式： $ git clone https://github.com/gildasio/h2t $ cd h2t $ dock

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：325632
    • 提供者：weixin_42111465
« 1 2 ... 45 46 47 48 49 50»