2 مستودعات
Awesome GitHub RepositoriesPopulation-Based Training
An iterative optimization strategy that evolves a population of models by replacing poor performers with mutated versions of top models.
Distinct from Hyperparameter Optimization: Distinct from general hyperparameter optimization: specifically uses a population-based evolutionary approach rather than simple grid or random search.
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Population-Based Training. Refine with filters or upvote what's useful.
Awesome Population-Based Training GitHub Repositories
اعثر على أفضل المستودعات باستخدام الذكاء الاصطناعي.سنبحث عن أفضل المستودعات المطابقة باستخدام الذكاء الاصطناعي.
- xviniette/flappylearning
xviniette/FlappyLearning
3,993عرض على GitHubFlappyLearning هو بيئة تجريبية للتعلم الآلي ومدرب للشبكات العصبية مصمم لمحاكاة استراتيجيات التطور العصبي. يوفر بيئة يتم فيها تطوير وكلاء أذكياء باستخدام الخوارزميات الجينية لتحسين الأداء داخل محاكاة اللعبة. يستخدم النظام نموذجاً سكانياً للتطور العصبي يعتمد على الشبكات العصبية التغذوية الأمامية لتطوير وكلاء ألعاب مستقلين. ويدير تطور هؤلاء الوكلاء من خلال تكرارات قائمة على الأجيال، مستخدماً الاختيار القائم على اللياقة لتحديد الشبكات التي ستبقى وتتكاثر. يتضمن إطار التدريب طفرات عشوائية في الأوزان لاستكشاف سلوكيات جديدة، وتقنيات الحفاظ على النخبة لضمان استمرار السمات ذات الأداء العالي عبر الأجيال. يمكن للمستخدمين ضبط معايير مثل حجم المجتمع ومعدلات الطفرات لتعديل عملية التعلم.
Implements a population-based training strategy to evolve neural network weights through mutation and selection.
JavaScriptflappybirdmachine-learningneuroevolution - isaac-sim/isaacgymenvs
isaac-sim/IsaacGymEnvs
2,942عرض على GitHubIsaacGymEnvs is a GPU-accelerated physics sandbox and robotics policy training suite designed for reinforcement learning. It serves as a vectorized robotic simulator that runs thousands of parallel environments on GPUs to accelerate the training of neural networks. The project provides a sim-to-real transfer framework that utilizes domain randomization and physics variations to ensure policies trained in simulation are robust enough for deployment on real hardware. It distinguishes itself through a high-performance architecture that uses tensor-based state management to handle observations an
Implements population-based training to iteratively optimize hyperparameters and improve agent performance.
Python
