Публикации по теме 'simulation'


«Моделирование демонстрирует тактику сущностей и частиц для удержания квантового компьютера в страхе»
В этом коде сущности и частицы учатся, корректируя свою целевую мощность в зависимости от получаемых наград. Сущности получают награду 0, а частица получает награду 1. Функция обучения для каждой сущности увеличивает ее целевую силу на величину получаемого ею вознаграждения, а функция обучения частицы увеличивает ее целевую силу на сумма всех вознаграждений сущностей плюс его собственное вознаграждение. Функция поддерживать баланс частицы регулирует мощность частицы, чтобы попытаться..
Может ли Taichi сыграть роль в CFD?
Автор: Цянь Бао Вычислительная гидродинамика (CFD) — это раздел гидромеханики, который стремится точно воспроизвести поведение потоков жидкости/газа и их взаимодействие с твердыми границами. Он играет жизненно важную роль в таких секторах, как визуальные эффекты, виртуальная реальность и промышленный дизайн. Хотя мы с радостью наблюдаем за растущим числом впечатляющих CFD-проектов, реализованных с помощью Taichi (как представлено в CFD-репозитории Taichi), посторонних по-прежнему..
Создание тренажерного зала OpenAI с помощью PyBullet (часть 1)
Это руководство предполагает элементарные знания об обучении с подкреплением и структуре среды OpenAI Gym, а также владение Python. Мотивация: Многие из стандартных сред для оценки алгоритмов непрерывного управления обучением с подкреплением построены на физическом движке MuJoCo, платном и лицензионном программном обеспечении. Bullet Physics предоставляет бесплатную альтернативу физическому моделированию с открытым исходным кодом с OpenAI Gym, предлагающим набор построенных на нем..
Моделирование протокола TrueBit: Часть 1
TrueBit - это протокол, разработанный для увеличения вычислительной мощности. В блокчейне ETH сложность вычислений и использование хранилища требует платы (газа). Поскольку существует ограничение на количество газа на блок, существует четкий предел вычислительной мощности. На данный момент нет возможности выполнять сложные вычисления в сети ETH. Например, невозможно запустить функции машинного обучения, такие как распознавание лиц, на смарт-контракте. Это не только будет стоить..
Введение в моделирование методом Монте-Карло
Моделирование методом Монте-Карло - это компьютеризированный математический метод, основанный на повторной случайной выборке для получения численных результатов. Он используется для моделирования вероятности различных результатов в процессе, который непрактично или невозможно решить аналитически. Современная версия этой техники была впервые использована для работы над проектами ядерного оружия. Он назван в честь казино Монте-Карло в Монако. Этот метод используется профессионалами для..
Машинное обучение, эконометрика и временные ряды
Введение Машинное обучение и причинно-следственные эконометрические подходы активно используются для получения информации из маркетинговых, финансовых и экономических данных. Оба эти подхода сталкиваются с тонкими проблемами при работе с данными временных рядов, такими как цены, продажи, ВВП, индекс S&P и т. д. Однако эконометрические методы могут лучше справляться с обеспечением надежных оценок для таких данных за счет использования лучшей параметрической диагностики. Машинное обучение..
Сбор бананов с помощью Deep Q-Network
Управление моделируемым агентом через среду Unity Используя смоделированную среду Unity, этот агент изучает политику сбора желтых бананов, избегая при этом синих бананов, не используя никаких предустановленных инструкций, кроме вознаграждений, полученных в результате исследования. Чтобы перейти к коду, проверьте репозиторий GitHub здесь: https://github.com/cipher982/DRL-DQN-Model Обучение с подкреплением → Q-Learning → Deep Q-Learning Под эгидой машинного обучения мы обычно..