#deep-reinforcement-learning 저장소
저장소 총 99개
이 Nvidia 논문의 TensorFlow 구현: https://arxiv.org/pdf/1604.07316.pdf 에 약간의 변경 사항이 있음
[IROS 2024] 인간-휴머노이드 실시간 전신 원격 조작 학습. [CoRL 2024] OmniH2O: 보편적이고 숙련된 인간-휴머노이드 전신 원격 조작 및 학습
LLM을 위한 완전한 포스트 트레이닝 스택과 모든 문제에 적용할 수 있는 RL을 제공합니다. SFT, DPO, 멀티턴 에이전트 RL을 지원하며, 진화적 하이퍼파라미터 최적화가 내장되어 있습니다.
Manning, Inc의 Deep Reinforcement Learning in Action 책에서 가져온 코드
ICLR-2020 논문 "Learning to Explore using Active Neural SLAM"을 위한 Pytorch 코드
unitree_il_lerobot 오픈소스 프로젝트는 LeRobot 오픈소스 훈련 프레임워크를 수정한 것으로, Unitree G1 로봇의 양팔 정교한 손을 사용하여 수집된 데이터의 훈련 및 테스트를 가능하게 합니다.
이 리포지토리는 DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO를 포함한 PyTorch 기반의 고전적인 심층 강화 학습 알고리즘의 대부분을 구현하고 있습니다. (더 많은 알고리즘이 진행 중입니다)
포트폴리오 관리를 위한 경량 딥 강화 학습 프레임워크. 이 프로젝트는 고도로 모듈화되고 확장 가능한 프레임워크에서 딥 강화 학습 알고리즘을 주식 거래에 적용하는 가능성을 탐구합니다.
ProphitBet은 머신러닝을 활용해 축구 베팅을 예측하는 애플리케이션입니다. 팀의 경기력을 분석하고 경기 통계를 계산하며, 고급 머신러닝(ML) 기법을 사용해 경기 결과를 예측합니다. 또한 최적의 베팅 전략을 학습할 수 있는 심층 강화 학습(DRL) 기반 베팅 에이전트도 제공합니다.
Training transferable end-to-end quadrotor control policies on a laptop in 18 seconds.
자율 주행(Carla)에서의 심층 강화 학습(PPO) [처음부터]
파일 '笔和线段的一种划分.py', K선 high, low 데이터를 입력하기만 하면 펜, 선분, 중추, 매매점, 추세 유형의 분할을 자동으로 실현할 수 있습니다. sh.csv를 입력 파일로 사용할 수 있습니다. 개인 이력서는 pdf를 참조하세요. 시간의 힘. 누군가는 타이밍 선택이 매우 어렵다고 말하고, 누군가는 주식 선택이 쉽다고 말하며, 누군가는 통계 차익 거래에 필요한 IT 지원 시설이 매우 중요하다고 합니다. 또 누군가는 시스템에 측정 불가능한 원리가 있다고 합니다. 의견이 분분합니다. 분산 시스템, 당신의 영향이 무시될 수 있을 때 비로소 실현할 수 있으며, 장 주석의 말처럼 조용히 큰 부를 쌓는 것입니다. 첫 번째 주, 대盘이 1% 하락했지만 1만 원을 벌었고 5%의 수익을 냈습니다. #주식 #주식시장 #缠론 https://v.kuaishou.com/bFEl6M 이 메시지를 복사하고 【Kwai】를 열어 보세요!
RLGF는 UAV 심층 강화 학습 작업에 적합한 일반 훈련 프레임워크입니다. 그리고 여러 주류 심층 강화 학습 알고리즘(SAC, DQN, DDQN, PPO, Dueling DQN, DDPG)을 통합합니다.
딥 Q-러닝 강화학습 에이전트가 교차로에서 교통 효율을 극대화하기 위해 올바른 신호등 단계를 선택하려고 시도하는 프레임워크.