यह पृष्ठ मशीन द्वारा अंग्रेज़ी से हिंदी में अनुवादित किया गया था। अंग्रेज़ी मूल देखें

पायथन डेवलपर्स, शोधकर्ता और इंजीनियर जो सतत-अवस्था Active Inference मॉडल को लागू कर रहे हैं।

cpomdp — निरंतर Active Inference के लिए पायथन

एक परीक्षण किया गया, प्रलेखित निरंतर-अवस्था Active Inference लाइब्रेरी पाइथन में।

अग्रणी: Daniel Corva

cpomdp एक ओपन-सोर्स पायथन लाइब्रेरी है जो निरंतर-अवस्था Active Inference के लिए है। यह फैक्टर-ग्राफ मैसेज पासिंग, कलमन और संदर्भ फ़िल्टरिंग, अवस्था-निर्भर अवलोकन और प्रक्रिया शोर, प्रमाणित सहिष्णुता और मिलान किए गए क्लासिकल कंट्रोल बेसलाइन प्रदान करता है।

ओवरव्यू

cpomdp निरंतर-अवस्था Active Inference के लिए कठोर Python लाता है। एजेंट निरंतर छिपे हुए राज्यों पर गाऊसी विश्वास बनाए रखते हैं, फॉरनी-शैली के फैक्टर ग्राफ पर संदेश पासिंग के माध्यम से अपडेट करते हैं, और घोषित कार्रवाई सेट पर अपेक्षित मुक्त ऊर्जा को कम करके क्रियाएं चुनते हैं जिसमें प्रमाणित वारंट सहनशीलता के साथ।

भाग लें

संख्यात्मक विश्लेषण, JAX/NumPy संदर्भ कर्नेल, कलमन फ़िल्टरिंग और निरंतर जनरेटिव मॉडलिंग में रुचि रखने वाले योगदानकर्ता Discord और GitHub के माध्यम से भाग लेने के लिए आमंत्रित हैं।

प्रकाशन और लिंक

पुस्तकालय को खुले स्रोत में विकसित किया गया है: K1 पर स्रोत, cpomdp.inferogenesis.com पर दस्तावेज़ और PyPI पर cpomdp के रूप में रिलीज़ प्रकाशित की गई हैं। "State-Dependent Observation Noise Reintroduces Epistemic Value in Linear-Gaussian Active Inference" (arXiv:2607.20306, 2026) नामक पहली संबद्ध पेपर लाइब्रेरी की राज्य-निर्भर शोर हैंडलिंग को लागू करने के परिणाम को बताता है।

संबंधित संसाधन

इस पेज के लिए सार्वजनिक लिंक