Applying_EANNs
Una simulazione 2D in Unity in cui le auto imparano a navigare autonomamente attraverso diversi percorsi. Le auto sono guidate da una rete neurale feedforward. I pesi della rete sono addestrati utilizzando un algoritmo genetico modificato.
Guarda le auto imparare a guidare da sole attraverso percorsi utilizzando una rete neurale per navigare gli ostacoli.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiUna simulazione 2D in Unity in cui le auto imparano a navigare autonomamente attraverso diversi percorsi. Le auto sono guidate da una rete neurale feedforward. I pesi della rete sono addestrati utilizzando un algoritmo genetico modificato.
Applying_EANNs ha 1.6k stelle su GitHub. È stato forkato 367 volte. Applying_EANNs è scritto principalmente in ASP. È in sviluppo attivo dal 2017. Applying_EANNs è disponibile con licenza MIT. I suoi temi principali sono: artificial-neural-networks, deep-learning, evolutionary-algorithms, genetic-algorithm.
Che cos'è Applying_EANNs?
Una simulazione 2D in Unity in cui le auto imparano a navigare autonomamente attraverso diversi percorsi. Le auto sono guidate da una rete neurale feedforward. I pesi della rete sono addestrati utilizzando un algoritmo genetico modificato.
Applying_EANNs è open source?
Applying_EANNs è un progetto open source. È rilasciato con licenza MIT.
Applying_EANNs è gratuito?
Sì. Applying_EANNs è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è Applying_EANNs?
Applying_EANNs è disponibile con licenza MIT.
In quale linguaggio è scritto Applying_EANNs?
Applying_EANNs è scritto principalmente in ASP.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://opensourceai.tech/project/arztsamuel-applying-eanns.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.