DRL-urban-planning
Un approccio basato su deep reinforcement learning (DRL) per la disposizione spaziale dell'uso del suolo e delle strade nelle comunità urbane. (Nature Computational Science)
Ottimizza layout di terreni e strade nella pianificazione urbana utilizzando tecniche di IA.
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 vuoiUn approccio basato su deep reinforcement learning (DRL) per la disposizione spaziale dell'uso del suolo e delle strade nelle comunità urbane. (Nature Computational Science)
DRL-urban-planning ha 306 stelle su GitHub. È stato forkato 51 volte. DRL-urban-planning è scritto principalmente in Jupyter Notebook. È in sviluppo attivo dal 2023. DRL-urban-planning è disponibile con licenza MIT. I suoi temi principali sono: graph-neural-networks, reinforcement-learning, spatial-planning, urban-planning.
Che cos'è DRL-urban-planning?
Un approccio basato su deep reinforcement learning (DRL) per la disposizione spaziale dell'uso del suolo e delle strade nelle comunità urbane. (Nature Computational Science)
DRL-urban-planning è open source?
DRL-urban-planning è un progetto open source. È rilasciato con licenza MIT.
DRL-urban-planning è gratuito?
Sì. DRL-urban-planning è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è DRL-urban-planning?
DRL-urban-planning è disponibile con licenza MIT.
In quale linguaggio è scritto DRL-urban-planning?
DRL-urban-planning è scritto principalmente in Jupyter Notebook.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/tsinghua-fib-lab-drl-urban-planning.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.