neural-symbolic-machines
Máquinas Simbólicas Neurais é uma estrutura para integrar redes neurais e representações simbólicas usando aprendizado por reforço, com aplicações em síntese de programas e análise semântica.
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 quiserMáquinas Simbólicas Neurais é uma estrutura para integrar redes neurais e representações simbólicas usando aprendizado por reforço, com aplicações em síntese de programas e análise semântica.
neural-symbolic-machines tem 385 estrelas no GitHub. Foi bifurcado 68 vezes. neural-symbolic-machines é escrito principalmente em Python. Está em desenvolvimento ativo desde 2018. neural-symbolic-machines está disponível sob a licença Apache-2.0. Os seus principais temas são: deep-learning, deep-reinforcement-learning, program-synthesis, reinforcement-learning.
O que é neural-symbolic-machines?
Máquinas Simbólicas Neurais é uma estrutura para integrar redes neurais e representações simbólicas usando aprendizado por reforço, com aplicações em síntese de programas e análise semântica.
neural-symbolic-machines é de código aberto?
neural-symbolic-machines é um projeto de código aberto. É distribuído sob a licença Apache-2.0.
neural-symbolic-machines é gratuito?
Sim. neural-symbolic-machines é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está neural-symbolic-machines?
neural-symbolic-machines está disponível sob a licença Apache-2.0.
Em que linguagem neural-symbolic-machines está escrito?
neural-symbolic-machines é escrito principalmente em Python.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/crazydonkey200-neural-symbolic-machines.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.