Accueil Projets MEEE
MEEE
Python

MEEE

Code pour reproduire les expériences dans l'apprentissage par renforcement efficace via l'exploration et l'exploitation d'ensemble de modèles (MEEE).

par YaoYao1995 · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Langue
exploration-exploitationmodel-based-reinforcement-learningreinforcement-learningMITPython
Voir sur GitHub
En termes simples

Reproduire des expériences en apprentissage par renforcement efficace en utilisant une approche basée sur un modèle.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
MEEE — GitHub preview card
📈 Historique des étoiles
433432
2026-07-202026-08-31
📈 Suivez MEEE

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Code pour reproduire les expériences dans l'apprentissage par renforcement efficace via l'exploration et l'exploitation d'ensemble de modèles (MEEE).

MEEE compte 432 étoiles sur GitHub. Il a été forké 64 fois. MEEE est écrit principalement en Python. Il est développé activement depuis 2020. MEEE est disponible sous licence MIT. Ses principaux thèmes sont : exploration-exploitation, model-based-reinforcement-learning, reinforcement-learning.

Frequently asked questions

Qu'est-ce que MEEE ?

Code pour reproduire les expériences dans l'apprentissage par renforcement efficace via l'exploration et l'exploitation d'ensemble de modèles (MEEE).

MEEE est-il open source ?

MEEE est un projet open source. Il est distribué sous licence MIT.

MEEE est-il gratuit ?

Oui. MEEE est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est MEEE ?

MEEE est disponible sous licence MIT.

Dans quel langage MEEE est-il écrit ?

MEEE est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — MEEE

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=yaoyao1995-meee)](https://olud.ai/project/yaoyao1995-meee.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
contextualbandits
Implémentations Python d'algorithmes de bandits contextuels
838 · contextual-bandits
partageexploration-exploitationreinforcement-learning
Reco-papers
Articles et ressources classiques sur la recommandation
3.6k · deep-learning
partageexploration-exploitation
awesome-model-based-RL
Une liste soigneusement sélectionnée de ressources RL basées sur des modèles (continuellement m…
1.4k · awesome
partagemodel-based-reinforcement-learning
DI-engine-docs
Docs DI-engine (chinois et anglais)
348 · deep-learning
partagemodel-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/ Must-read Papers on Recommendation System and CTR Prediction
1k · computational-advertising
partageexploration-exploitation
PufferLib
Renforcement de l'apprentissage par renforcement
6.2k · reinforcement-learning
partagereinforcement-learning
sample-factory
Apprentissage par renforcement synchrone et asynchrone à haut débit
1k · reinforcement-learning
partagereinforcement-learning
hok_env
Honor of Kings AI Open Environment de Tencent
885 · reinforcement-learning
partagereinforcement-learning
Deep-Learning-Roadmap
:satellite: Ressources organisées pour les chercheurs et développeurs en apprentissage profond
3.2k · deep-learning
partagereinforcement-learning
baby-steps-of-rl-ja
Apprendre l'apprentissage par renforcement avec Python - De l'introduction à la pratique - Code…
453 · machine-learning
partagereinforcement-learning

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.