Data

Tools

Indexes

Applications

Experiments

Open Source Science

automata_gym

Gym wrapper for discrete event systems to apply reinforcement learning models

https://github.com/kallilmiguel/automata_gym

Science Score: 44.0%

This score indicates how likely this project is to be science-related based on various indicators:

  • ✓
    CITATION.cff file
    Found CITATION.cff file
  • ✓
    codemeta.json file
    Found codemeta.json file
  • ✓
    .zenodo.json file
    Found .zenodo.json file
  • ○
    DOI references
  • ○
    Academic publication links
  • ○
    Academic email domains
  • ○
    Institutional organization owner
  • ○
    JOSS paper metadata
  • ○
    Scientific vocabulary similarity
    Low similarity (0.9%) to scientific vocabulary
Last synced: 6 months ago · JSON representation ·

Repository

Gym wrapper for discrete event systems to apply reinforcement learning models

Basic Info
  • Host: GitHub
  • Owner: kallilmiguel
  • Language: Python
  • Default Branch: master
  • Homepage:
  • Size: 53.6 MB
Statistics
  • Stars: 2
  • Watchers: 1
  • Forks: 2
  • Open Issues: 0
  • Releases: 0
Created about 6 years ago · Last pushed almost 4 years ago
Metadata Files
Readme Citation

README.txt 

Para executar, basta chamar a função gym.make() e passar como parâmetro da função o ambiente. Em seguida, chamar o método gym.render(nome_do_arquivo), em que o nome do arquivo é um XML gerado pelo software SUPREMICA, tendo a estrutura de uma máquina de estados como conteúdo.

O método env.mapping() informa o nome de todos os eventos da máquina de estados e também seu ID. O método env.step(evento) recebe como parâmetro o ID do evento que possa ser acionado, para então a máquina de estados migrar o seu estado atual. Se o env.step() receber como parâmetro um evento que não possa ser acionado por causa da estrutura do autômato, o usuário será informado que aquela transição é inválida, caso contrário, será acionada a transição.

Por fim, o método env.render() mostra uma imagem com o autômato em questão, tendo o estado atual colorido com amarelo.

O exemplo da pasta env test.py mostra todas as funcões necessárias para fazer o uso do repositório.

Owner

  • Name: Kallil Zielinski
  • Login: kallilmiguel
  • Kind: user

PhD candidate at University of São Paulo. Working with computer vision and reinforcement learning through deep learning state-of-the-art models.

Citation (citation.cff) 

cff-version: 1.2.0
message: "If you use this software, please cite it as below."
authors:
  - family-names: Zielinski
    given-names: Kallil
    orcid: https://orcid.org/0000-0001-9395-6287
title: "Automata-gym"
version: 2.0.4
doi: 10.5281/zenodo.1234
date-released: 2020-09-30

GitHub Events

Total
Last Year

Dependencies

automata.egg-info/requires.txt pypi
  • gym *
setup.py pypi
  • gym *