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. IBM排产软件PPO－ILOG培训资料

  2. 卷烟生产模式属于制造行业，其生产模式正根据市场的拉动变成柔性制丝生产 ，因此ＡＰＳ的应用非常重要。ＰＰＯ－ILOG是IBM解决APS排产软件。该培训资料是培训PPO的时候的资料。其中对PPO－ILOG的基本概念，特别是重要的几个概念：配方，物料，活动，资源等。 并针对制造行业的例子，举例说明了如何建立一个模型，并形成从成品到原料、辅料的需求；以及对库存的要求。 ILOG支持工厂建模，可以对具体工厂虚拟建模，根据ILOG的优化算法，最终得到可行的优化解。

  3. 所属分类：制造

    • 发布日期：2011-08-17
    • 文件大小：2097152
    • 提供者：lh_xmu

  1. ppo web 页面的一些很小的东西

  2. ppo web 页面的一些很小的东西，是关于js的最基础的东西

  3. 所属分类：Java

    • 发布日期：2011-12-22
    • 文件大小：1048576
    • 提供者：xm2012hz

  1. 深度强化学习PPO算法(python)

  2. 基于Tensorflow实现的PPO算法，依赖库：tensorflow-1.4及以上，gym

  3. 所属分类：深度学习

    • 发布日期：2018-08-23
    • 文件大小：6144
    • 提供者：azcgiaxpqa

  1. BDP、MCA和改性高岭土对PPO/HIPS合金的阻燃性能研究

  2. BDP、MCA和改性高岭土对PPO/HIPS合金的阻燃性能研究，曾挚，高山俊，研究采用磷系阻燃剂BDP、氮系的阻燃剂MCA（三聚氰胺氰尿酸盐）和改性高岭土对PPO/HIPS合金进行无卤阻燃。结果表明：BDP对材料的阻燃效�

  3. 所属分类：其它

    • 发布日期：2020-01-08
    • 文件大小：195584
    • 提供者：weixin_38564598

  1. 强化学习PPO算法.zip

  2. 强化学习PPO算法论文

  3. 所属分类：深度学习

    • 发布日期：2020-01-04
    • 文件大小：2097152
    • 提供者：bornfree5511

  1. 3.ppo.ipynb

  2. 关于ppo的例子，适合初学者对深度强化学习ppo的认识和了解

  3. 所属分类：讲义

    • 发布日期：2019-09-02
    • 文件大小：43008
    • 提供者：m0_37384317

  1. DRL-2018:结合策略梯度方法（香草PG，Actor-Critic，PPO）和进化策略的实验-源码

  2. DRL-2018 该存储库的功能是2018年夏季深度强化学习研究项目的工作（由Keith Ross教授建议，由纽约大学上海分校院长本科研究基金资助）。 在此项目中，我们尝试将“策略梯度”方法（香草策略梯度（aka REINFORCE），Actor-Critic和PPO）与“进化策略”相结合，以设计出一种提高样本效率的混合算法。 在MuJoCo基准上评估了所提出算法的性能。 参考： 加强：罗纳德·J·威廉姆斯。 用于连接符增强学习的简单统计梯度跟踪算法。 机器学习，8（3-4）：229–25

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：15360
    • 提供者：weixin_42109598

  1. Team-SIPPO.github.io:S！PPO的网页-源码

  2. Team-SIPPO.github.io:S！PPO的网页

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：40894464
    • 提供者：weixin_42175516

  1. PPO:与“对象编程基础”（AGH-UST）学术课程相关的项目-源码

  2. PPO:与“对象编程基础”（AGH-UST）学术课程相关的项目

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：33792
    • 提供者：weixin_42135773

  1. PPO-源码

  2. 根据OpenAI 提供的伪代码，PPO算法中的第一步。 受的简单实现启发，通过使用Actor和Critic网络创建轨迹

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：35840
    • 提供者：weixin_42098892

  1. PPO-源码

  2. PPO

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：1024
    • 提供者：weixin_42097189

  1. Lyotropic Liquid Crystals Formed by Brij 97/PEO-PPO-PEO Mixtures

  2. Lyotropic Liquid Crystals Formed by Brij 97/PEO-PPO-PEO Mixtures

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：240640
    • 提供者：weixin_38591291

  1. pytorch-lunarlander：在月球着陆器中，实现ppo算法-源码

  2. pytorch-lunarlander：在月球着陆器中，实现ppo算法

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：5120
    • 提供者：weixin_42144086

  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. CuriosityDriven-PPO：通过引导功能松散的好奇心驱动探索-源码

  2. 通过引导功能来放松好奇心驱动的探索 七月7，2018 描述 此回购是对OpenAI的论文《一个松散的重述。 该算法训练一种策略，使游戏完全摆脱内部预测错误产生的奖励。 该过程可以可视化为策略和试图预测环境未来状态的模型（称为前向动力学模型）之间的决斗。 该政策是通过培训的，除了将环境奖励替换为前向动力学模型的误差外。 更具体地说，用于PPO的奖励是前向动力学模型的预测的平方误差。 前向动力学模型的预测目标是环境中下一个状态的低维表示。 这称为内在奖励。 前向动力学模型越不准确，给定时间步长的奖

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：128000
    • 提供者：weixin_42128015

  1. batch-ppo：在TensorFlow中进行高效的批量增强学习-源码

  2. 批量PPO 该项目为强化学习提供了优化的基础架构。 它将扩展到多个并行环境，并允许在TensorFlow中实现代理并执行批量计算。 首先，我们提供BatchPPO，这是的优化实现。 如果您在研究中使用该项目的代码，请引用： article { hafner2017agents , title = { TensorFlow Agents: Efficient Batched Reinforcement Learning in TensorFlow } , author = { Haf

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：72704
    • 提供者：weixin_42116791

  1. 闪烁体PPO-POPOP多元溶液体系

  2. 本文报导闪烁体PPO-POPOP多元体系为溶液激光体系.变更PPO-POPOP的浓度即可获得3600～4200(?)波长区域的增强荧光谱带.有关体系的无辐射能量转移和偶极弛豫机制将进一步探讨.

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：1048576
    • 提供者：weixin_38608055

  1. 超级马里奥兄弟PPO-pytorch：超级马里奥兄弟的近距离策略优化（PPO）算法-源码

  2. [PYTORCH]玩超级马里奥兄弟的近战策略优化（PPO） 介绍 这是我的python源代码，用于训练特工玩超级马里奥兄弟。 通过使用纸张近端策略优化算法推出近端政策优化（PPO）算法。 说到性能，我经过PPO培训的代理可以完成29/32个级别，这比我一开始的预期要好得多。 供您参考，PPO是OpenAI提出的算法，用于训练OpenAI Five，这是第一款在电竞游戏中击败世界冠军的AI。 具体而言，OpenAI五人队在2018年8月派出了一支由MMR排名的脚轮和前职业球员组成的团队，在Do

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：180355072
    • 提供者：weixin_42139302

  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. 强化学习算法：此存储库包含大多数基于pytorch实现的经典深度强化学习算法，包括-DQN，DDQN，Dualling Network，DDPG，SAC，A2C，PPO，TRPO。 （更多算法仍在进行中）-源码

  2. 深度强化学习算法 该存储库将使用PyTorch实现经典的深度强化学习算法。 该存储库的目的是为人们提供清晰的代码，以供他们学习深度强化学习算法。 将来，将添加更多算法，并且还将保留现有代码。 当前实施 深度Q学习网络（DQN） 基本DQN 双Q网络 决斗网络架构 深度确定性策略梯度（DDPG） 优势演员评判（A2C） 信任区域策略梯度（TRPO） 近端政策优化（PPO） 使用克罗内克因素信任区域（ACKTR）的演员评论家 软演员评论（SAC） 更新信息 :triangu

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：3145728
    • 提供者：weixin_42117150
« 12 3 4 5 »