sde

Implementações confiáveis de algoritmos de reinforcement learning, versão PyTorch do Stable Baselines.

Este repositório contém oportunidades para você se candidatar a mais de 400 empresas baseadas em produtos (não apenas FAANGM) e boas startups.

Suíte multilíngue para resolvedores de alto desempenho de equações diferenciais e componentes de aprendizado de máquina científico (SciML). Equações diferenciais ordinárias (ODEs), estocásticas (SDEs), com atraso (DDEs), algébricas diferenciais (DAEs) e mais em Julia.

Um framework de treinamento para agentes de aprendizado por reforço Stable Baselines3, incluindo otimização de hiperparâmetros e agentes pré-treinados.

Modelos de difusão em imagens médicas (publicado no periódico Medical Image Analysis).

Uma estrutura de modelagem acausal para aprendizado de máquina científico (SciML) automaticamente paralelizado em Julia. Um sistema de álgebra computacional para simbologia integrada voltada ao aprendizado de máquina informado pela física e transformações automatizadas de equações diferenciais.

Pacote contrib para Stable-Baselines3 - Código experimental de aprendizado por reforço (RL).

Resolvendo equações diferenciais em Python usando DifferentialEquations.jl e a organização de aprendizado de máquina científico SciML

Interface de rede de reações químicas e biologia de sistemas para aprendizado de máquina científico (SciML). Solucionadores de alto desempenho, paralelizados em GPU e O(1) em software de código aberto.