Inicio Proyectos MEEE
MEEE
Python

MEEE

Código para reproducir los experimentos en Aprendizaje por Refuerzo Eficiente en Muestra a través de Exploración y Explotación de Conjuntos de Modelos (MEEE).

por YaoYao1995 · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Lenguaje
exploration-exploitationmodel-based-reinforcement-learningreinforcement-learningMITPython
Ver en GitHub
En palabras simples

Reproduce experimentos en aprendizaje por refuerzo eficiente utilizando un enfoque basado en modelos.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
MEEE — GitHub preview card
📈 Historial de estrellas
433432
2026-07-202026-08-31
📈 Sigue MEEE

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Código para reproducir los experimentos en Aprendizaje por Refuerzo Eficiente en Muestra a través de Exploración y Explotación de Conjuntos de Modelos (MEEE).

MEEE tiene 432 estrellas en GitHub. Se ha bifurcado 64 veces. MEEE está escrito principalmente en Python. Se desarrolla activamente desde 2020. MEEE está disponible bajo la licencia MIT. Sus temas principales son: exploration-exploitation, model-based-reinforcement-learning, reinforcement-learning.

Frequently asked questions

¿Qué es MEEE?

Código para reproducir los experimentos en Aprendizaje por Refuerzo Eficiente en Muestra a través de Exploración y Explotación de Conjuntos de Modelos (MEEE).

¿MEEE es de código abierto?

MEEE es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿MEEE es gratis?

Sí. MEEE es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está MEEE?

MEEE está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito MEEE?

MEEE está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — MEEE

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=yaoyao1995-meee)](https://olud.ai/project/yaoyao1995-meee.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
contextualbandits
Implementaciones en Python de algoritmos de bandidos contextuales
838 · contextual-bandits
comparteexploration-exploitationreinforcement-learning
Reco-papers
Artículos y recursos clásicos sobre recomendaciones
3.6k · deep-learning
comparteexploration-exploitation
awesome-model-based-RL
Una lista curada de recursos de RL basados en modelos increíbles (actualizada continuamente)
1.4k · awesome
compartemodel-based-reinforcement-learning
DI-engine-docs
Documentación de DI-engine (chino e inglés)
348 · deep-learning
compartemodel-based-reinforcement-learning
DeepRec
推荐、广告工业界经典以及最前沿的论文、资料集合/ Artículos Imprescindibles sobre Sistemas de Recomendación y Predicción…
1k · computational-advertising
comparteexploration-exploitation
PufferLib
Aumentando el aprendizaje por refuerzo
6.2k · reinforcement-learning
compartereinforcement-learning
sample-factory
Aprendizaje por refuerzo sincrónico y asincrónico de alto rendimiento
1k · reinforcement-learning
compartereinforcement-learning
hok_env
Honor of Kings AI Open Environment de Tencent
885 · reinforcement-learning
compartereinforcement-learning
Deep-Learning-Roadmap
:satellite: Recursos Organizados para Investigadores y Desarrolladores de Aprendizaje Profundo
3.2k · deep-learning
compartereinforcement-learning
baby-steps-of-rl-ja
Aprendiendo refuerzo con Python - Desde la introducción hasta la práctica - Código de muestra
453 · machine-learning
compartereinforcement-learning

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.