DRL-urban-planning
Uma abordagem baseada em aprendizado por reforço profundo (DRL) para o layout espacial de uso da terra e estradas em comunidades urbanas. (Nature Computational Science)
Otimize layouts de terrenos e estradas no planejamento urbano usando técnicas de IA.
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 abordagem baseada em aprendizado por reforço profundo (DRL) para o layout espacial de uso da terra e estradas em comunidades urbanas. (Nature Computational Science)
DRL-urban-planning tem 306 estrelas no GitHub. Foi bifurcado 51 vezes. DRL-urban-planning é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2023. DRL-urban-planning está disponível sob a licença MIT. Os seus principais temas são: graph-neural-networks, reinforcement-learning, spatial-planning, urban-planning.
O que é DRL-urban-planning?
Uma abordagem baseada em aprendizado por reforço profundo (DRL) para o layout espacial de uso da terra e estradas em comunidades urbanas. (Nature Computational Science)
DRL-urban-planning é de código aberto?
DRL-urban-planning é um projeto de código aberto. É distribuído sob a licença MIT.
DRL-urban-planning é gratuito?
Sim. DRL-urban-planning é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está DRL-urban-planning?
DRL-urban-planning está disponível sob a licença MIT.
Em que linguagem DRL-urban-planning está escrito?
DRL-urban-planning é escrito principalmente em Jupyter Notebook.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/tsinghua-fib-lab-drl-urban-planning.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.