Per Arne 相关的热门 GitHub AI项目仓库

大规模并行深度强化学习

一个简洁、健壮且统一的PyTorch实现，涵盖了流行的深度强化学习(DRL)算法，包括Q学习、双重DDQN、优先经验回放(PER)、C51、噪声DQN、近端策略优化(PPO)、深度确定性策略梯度(DDPG)、TD3、软演员评论家(SAC)和优势学习(ASL)。

Q学习家族算法的实现。实现包括：DQN、DDQN、双重DQN、PER+DQN、噪声DQN、C51

基于PyTorch的个性化莫罗包络联合学习(pFedMe) (NeurIPS 2020)

基于PyTorch的软演员评论家(SAC)算法实现，并结合优先经验回放(PER)、强调近期经验(ERE)、Munchausen强化学习(Munchausen RL)以及分布式强化学习(D2RL)和并行环境。

一款用于深度学习研究的即时战略游戏

通过辅助单元快速神经网络架构搜索紧凑型语义分割模型的代码，CVPR '19

强化学习的路线图与论文评审

一个基于PyTorch的餐厅推荐系统，使用了深度强化学习框架DRR (包含深度确定性策略梯度算法DDPG，优先经验回放PER和概率矩阵分解PMF)。

基于OpenAI Gym框架的DDPG（深度确定性策略梯度）算法Keras实现，并可选用PER（优先经验回放）

基于OpenAI Gym框架，使用Keras实现TD3（双延迟DDPG）算法，并可选使用PER（优先经验回放）

易于阅读和理解的强化学习算法实现

使用 Core ML 的 MLComputePlan 进行每个操作的性能分析

深度强化学习学习过程中的代码实现

深入学习高级量化技术。学习如何实现和定制线性量化函数，测量量化误差，并使用PyTorch压缩模型权重，从而构建高效易用的AI模型。

? I segreti che nessuno ti dice su Claude Code: 8 trucchi per sviluppare 10x più veloce, eliminare i bug e risparmiare il 70% sui costi. Zero teoria, solo strategie che funzionano.

这项工作中，我们扩展了FGSM方法，提出了多步对抗扰动（MSAP）方法，以研究推荐系统在强大攻击方法下的鲁棒性。在扰动幅度固定的情况下，我们证明了与FGSM相比，MSAP对BPR-MF推荐性能的破坏性更大。

CodebaseIQ Pro: The #1 MCP server tool for large codebase analysis; saving you time, money, & headaches. ? With a single command, give your coding agent complete codebase knowledge in one shot, preventing costly errors from incomplete understanding and redundant training per fresh conversation.

TANIA és una demo d'aplicació mòbil+web, representant la visió d'un assistent humanament intel·ligent per a la gestió de tràmits administratius telemàtics

Manages a pool of Semantic Kernel instances with per-entry rate limiting.