Видео вебинара: тренировка алгоритмов ИИ с помощью ИМ и глубокого обучения

Мы провели первый вебинар по интеграции глубокого обучения и ИМ. Рассказали, как использовать моделирование при обучении нейросетей и как объединить возможности AnyLogic с библиотеками для глубокого обучения с подкреплением.

Запись вебинара теперь есть на нашем YouTube-канале. Рабочие материалы мы также выложили в открытый доступ (см. ниже): они помогут вам разобраться в теме.


Вебинар: интеграция возможностей ИМ и глубокого обучения с подкреплением.

Вебинар спланирован в виде подробной инструкции, из которой вы узнаете, как:

  • строить модель на основе диаграммы состояний; в вебинаре эта модель будет тренировочной средой для машинных алгоритмов;
  • выгружать модель из AnyLogic в виде Java-приложения, а затем загружать его в среду разработки IntelliJ; это позволит подключить машинный алгоритм к агенту в модели;
  • тренировать алгоритм во время работы модели в среде IntelliJ;
  • выгружать обученный алгоритм и тестировать его работу в имитационной модели в AnyLogic.

Этот вебинар – не курс по глубокому обучению с подкреплением. В нём мы рассказываем, как AnyLogic может быть полезен в разработке тренировочных сред для алгоритмов ИИ.

План вебинара:

  1. Вступление: что такое имитационное моделирование и AnyLogic.
  2. Что такое диаграммы состояний.
  3. Предварительный обзор разрабатываемой модели.
  4. Пошаговая инструкция по разработке модели-тренировочной среды для машинного алгоритма. В её основе – диаграмма состояний, которая позволяет графически моделировать поведение объектов любой сложности.
  5. Экспорт модели из AnyLogic в среду разработки IntelliJ.
  6. Тренировка алгоритма с помощью модели и библиотеки Reinforcement Learning for Java (RL4J).
  7. Импорт обученного алгоритма в модель в AnyLogic для тестирования его работы.
  8. Секция вопросов и ответов.


Скачать материалы вебинара


В папке с материалами вы найдёте:

  • Имитационную модель и обученный алгоритм.
  • Файлы модели (понадобится, если вы работаете не в AnyLogic Professional).
  • Проект в формате среды IntelliJ, включая код, необходимые библиотеки и обученный алгоритм
  • Элементы библиотеки RL4J, включающие алгоритм DQN и зависимости для запуска на любой ОС.
    Обратите внимание: если вы удалите библиотеку RL4J из модели или из проекта IntelliJ, для корректной работы её нужно добавить как зависимость. В видео мы рассказываем, как это сделать: 54:40' – для AnyLogic, 47:10' – для IntelliJ
  • Документ с пояснениями кода и информацией об использованных переменных/функциях.

Эти материалы вместе с записью вебинара помогут вам попрактиковаться самостоятельно.

Подробнее о совместном использовании ИМ и искусственного интеллекта – на нашей тематической странице. Там же вы найдёте другие примеры моделей с элементами ИИ.

19 сентября мы проведём следующий тематический вебинар вместе с командой Skymind, создателями ИТ-решений для работы с искусственным интеллектом. На вебинаре мы представим платформу Pathmind для автоматического глубокого обучения, которая упрощает обучении алгоритмов ИИ на основе имитационной модели. Мы расскажем и покажем на примере, как быстрее тренировать алгоритмы ИИ с помощью AnyLogic и Pathmind. Регистрация >>

Похожие материалы