博客

在许多情况下，需要将经过训练的机器学习(ML)模型合并到仿真模型中。现在，得益于一个新的AnyLogic库， ONNX ML使模型变得更容易、更有效。

通过将此附加组件库合并到AnyLogic环境中，您的模型可以访问其功能，就像使用任何其他内置库一样。只需要将助手对象添加到模型中并配置它。继续阅读以了解更多信息。

我们在AnyLogic 8.7.4版中新加入了一项能够直接链接到 Pathmind 强化学习 (RL) 平台的新实验，可帮助仿真建模人员和人工智能相关从业人员充分利用仿真和 AI 之间的协同作用。实践证明，对于大型复杂系统，通过 Pathmind 强化学习平台得到的解决方案要优于固定成熟的常规启发式算法。

本篇博文主要介绍了集成Pathmind 的AnyLogic新实验，并重点介绍了 Engineering Group 使用 Pathmind RL 平台做的两个工业案例。

本文来自一篇关于在AnyLogic中使用Pathmind强化学习的博客，作者是来自埃森哲的Agustin Albinati。现在，AnyLogic中已经有专门的实验可以与Pathmind强化学习结合使用——了解更多。

每当有新技术出现，市场力量就会驱使各行业想方设法实施这些技术， 以取得优势或保持竞争力。随着时间的推移，会有新的工具被开发出来，有助于新技术的使用和更广泛地应用。

如何使用AnyLogic和微软 Project Bonsai将深度强化学习应用到实际业务中。

这次网络研讨会遵循AnyLogic与微软的合作，将深度强化学习和机器教学应用到商业应用中。微软Project Bonsai团队的项目经理David Coe和AnyLogic人工智能项目负责人Arash Mahdavi演示了使用仿真训练人工智能以及在仿真中实现AI控制的端到端工作流。

使用仿真来训练AI智能体。AnyLogic和微软联手将Project Bonsai的深度强化学习和机器教学功能应用到实际业务中。

继续阅读，了解更多关于此次协作的信息，试用操作平台和演示模型。Let’s go!

商业咨询公司NFP的AnyLogic专家致力于解决一家大型国际冶金公司的起重机任务分配问题。

他们采用了机器学习的创新解决方案，并改进了专家选择的策略。继续阅读以了解有关该项目的更多信息。

在Engineering Ingegneria Informatica (EII)， 我们看到了将仿真与机器学习相集成的巨大潜力。这个简短的博客介绍了一个工业问题及其强化学习解决方案，由EII使用AnyLogic开发制作。AnyLogic的灵活性和可定制性使我们可以使用Skymind的外部深度强化学习包RL4J创建混合平台。

继续阅读，找出问题所在，并了解如何使智能体与AnyLogic环境进行交互，从而实现对智能体的训练。您还将学习如何以适合机器学习的方式解决工业问题。

本次研讨会演示了仿真环境在深度强化学习中的应用。下面提供了会议视频和补充材料，您可以使用这些材料亲自尝试并探索更多的可能性。

以上资料与网络研讨会的视频记录相结合，涵盖了重现整个训练设置所需的所有内容。

强化学习是机器学习的一个快速发展的分支。最近人工智能领域的一些令人兴奋的成就是深度强化学习快速发展的结果。在这篇博文中，我们将向您展示为什么强化学习需要仿真，并提供一个包含源文件和说明的示例模型供您下载和尝试。

The format for the AnyLogic Conference, this April 17-18 is slightly different for 2019 and includes a panel discussion in addition to the more familiar presentations and workshops.

Also, ticket prices will go up in price on April 5th, so get them now for the best deal and join us in Austin, Texas! Here’s why you should!