Startseite Projekte PILCO
PILCO
Python

PILCO

Bayesian Reinforcement Learning in Tensorflow

von nrontsis · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
gaussian-processesmachine-learningmodel-based-rlMITPython
Auf GitHub ansehen
In einfachen Worten

Führe fortgeschrittene Machine-Learning-Algorithmen aus, um die Entscheidungsfindung in dynamischen Umgebungen mit TensorFlow zu verbessern.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
PILCO — GitHub preview card
📈 Sternhistorie
337336
2026-07-202026-08-31
📈 PILCO verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Bayesian Reinforcement Learning in Tensorflow

PILCO hat 336 Sterne auf GitHub. Es wurde 85-mal geforkt. PILCO ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. PILCO ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: gaussian-processes, machine-learning, model-based-rl, reinforcement-learning.

Frequently asked questions

Was ist PILCO?

Bayesian Reinforcement Learning in Tensorflow

Ist PILCO Open Source?

PILCO ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist PILCO kostenlos?

Ja. PILCO ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht PILCO?

PILCO ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist PILCO geschrieben?

PILCO ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — PILCO

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=nrontsis-pilco)](https://olud.ai/project/nrontsis-pilco.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.