Applying_EANNs
Uma simulação 2D em Unity na qual carros aprendem a se navegar por diferentes percursos. Os carros são guiados por uma rede neural feedforward. Os pesos da rede são treinados usando um algoritmo genético modificado.
Assista carros aprenderem a dirigir sozinhos através de cursos usando uma rede neural para navegar por obstáculos.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserUma simulação 2D em Unity na qual carros aprendem a se navegar por diferentes percursos. Os carros são guiados por uma rede neural feedforward. Os pesos da rede são treinados usando um algoritmo genético modificado.
Applying_EANNs tem 1.6k estrelas no GitHub. Foi bifurcado 367 vezes. Applying_EANNs é escrito principalmente em ASP. Está em desenvolvimento ativo desde 2017. Applying_EANNs está disponível sob a licença MIT. Os seus principais temas são: artificial-neural-networks, deep-learning, evolutionary-algorithms, genetic-algorithm.
O que é Applying_EANNs?
Uma simulação 2D em Unity na qual carros aprendem a se navegar por diferentes percursos. Os carros são guiados por uma rede neural feedforward. Os pesos da rede são treinados usando um algoritmo genético modificado.
Applying_EANNs é de código aberto?
Applying_EANNs é um projeto de código aberto. É distribuído sob a licença MIT.
Applying_EANNs é gratuito?
Sim. Applying_EANNs é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está Applying_EANNs?
Applying_EANNs está disponível sob a licença MIT.
Em que linguagem Applying_EANNs está escrito?
Applying_EANNs é escrito principalmente em ASP.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/arztsamuel-applying-eanns.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.