Diese Seite wurde maschinell aus dem Englischen übersetzt. Sehen Sie sich die englische Originalversion an.

Forscher und Entwickler, die diskrete Zustandsmodelle von Active Inference generativen Modellen in Python bauen oder simulieren.

pymdp

Python-Implementierung von Active Inference für teilweise beobachtbare Markov-Entscheidungsprozesse.

Lead: Conor Heins

pymdp ist ein Open-Source-Python-Paket für diskrete Zustandsmodelle (POMDP) Active Inference, das in der Forschungsgemeinschaft weit verbreitet ist, um generative Modelle zu erstellen und zu simulieren. Es handelt sich um eine externe Ökosystemimplementierung, die sich von den eigenen Projekten des Instituts unterscheidet, auf die das Institut sich bezieht und Lernmaterialien dazu erstellt.

Überblick

pymdp implementiert diskrete-Zustands-Active Inference für teilweise beobachtbare Markov-Entscheidungsprozesse und wurde durch eine PubMed-indizierte Schritt-für-Schritt-Anleitung zur Community gebracht. Es wird von der infer-actively Organisation betreut, geleitet von Conor Heins, und ist ein grundlegendes Werkzeug, das auf der Computational Domain Seite und den Lernmaterialien des Institutes referenziert wird.

teilnehmen

Beiträge, Probleme und Diskussionen finden sich direkt im Upstream-GitHub-Repository statt; der Discord-Server des Instituts ist ein guter Ort, um Kollaborateure zu finden, die darauf aufbauen.

Verwandte Ressourcen

Öffentliche Links für diese Seite