文件名称：PR-SSM:PR-SSM的Python实现
文件大小：46KB
文件格式：ZIP
更新时间：2024-05-22 09:08:11
bcai pr-ssm Python
概率递归状态空间模型 这是Andreas Doerr等人在ICML 2018年的论文《概率递归状态空间模型》中报告的动力学模型学习方法的配套代码。可在以下找到本文 。 该代码允许用户重现基准测试和大规模实验中报告的PR-SSM结果。 报告，复制或扩展结果时，请引用上述论文。 项目目的 该软件是研究原型，专门为上述引用的出版物而开发并作为其一部分发布。 不会以任何方式维护或监视它。 需求，如何构建，测试，安装，使用等 PR-SSM代码取决于Tensorflow。 先决条件 为了为新数据集训练PR-SSM模型，必须从派生新任务。 参见例如 。 必须提供有效的路径来存储实验结果和日志文件。 在给出了一个示例。 再现PR-SSM结果 该出版物中报告的实验可以通过执行 python benchmarks/run_real_world_tasks/run_benchmark_experiments.
【文件预览】：
PR-SSM-master
----.gitignore(40B)
----results()
--------sarcos()
--------benchmark()
--------sanity_test()
----datasets()
--------real_world_tasks()
----LICENSE(1KB)
----README.md(2KB)
----prssm()
--------gp()
--------__init__.py(238B)
--------models()
--------utils()
--------benchmarks()
--------tasks()
----3rd-party-licenses.txt(13KB)