ブログ

ChatGPT でシミュレーション モデリングの扉を開く


ChatGPT でシミュレーション モデリングの扉を開く

ChatGPT は、シミュレーション モデリングをよりシンプルかつ高速にするために使用できる動的ツールです。このエキサイティングな新技術に関するブログ投稿をチェックし、ビデオでいくつかのユースケースをご覧ください。初心者でも上級者でも、AnyLogic チームによるこの最新のウェビナーをお役立てください。

倉庫保管および物流における Bin Packing Problem の解決-戦略の比較


倉庫保管および物流における Bin Packing Problem の解決-戦略の比較

コンテナに荷物を積載する際、少しの空きスペースがあると、あなたにとっても会社にとっても金銭的な損失になります。倉庫保管や物流では、コンテナの数を減らすために、コンテナに商品をできるだけ隙間なく詰めることが非常に重要です。Decision Labは、梱包をより迅速かつ効率的に行うのにどのようなテクニックが役立つかを特定する取り組みを行いました。プロジェクトとその結果についての詳細をご覧ください。

ONNXヘルパーライブラリを使用して、トレーニング済みのMLモデルへの接続を合理化する


ONNXヘルパーライブラリを使用して、トレーニング済みのMLモデルへの接続を合理化する

トレーニング済みの機械学習(ML)モデルをシミュレーションモデルに組み込むことが望ましい場合が多くあります。新しいAnyLogicライブラリで、ONNX MLモデルの使用がより簡単かつ効率的になりました。

このアドオンライブラリをAnyLogic環境に組み込むことにより、他の組み込みライブラリと同じように、モデルがその機能にアクセスできるようになります。モデルにヘルパーオブジェクトを追加して構成するだけで使用できます。詳細については、以下をお読みください。

製品配送の強化学習


製品配送の強化学習

Accentureは、サンフランシスコを拠点とするAI企業Pathmindと提携して、シミュレーションにおける新しい強化学習(以下RLと表記)の可能性を調査しました。

得られた結果は非常に良好でした。この方法では、Nearest Agentヒューリスティックよりも4倍以上短い待機時間が生成されました。

このブログでは、Agustin Albinatiがモデルの要約とニューラルネットを定義する際の3つの重要な考慮事項を紹介します。さらに彼のチームの調査結果をご紹介します。ブログの最後にリンクされているのは、Pathmindのステップバイステップのハウツーです。ぜひご覧ください!

シミュレーションモデルを使用した予測分析


シミュレーションモデルを使用した予測分析

この記事では、予測分析の幅広い分野、機械学習との関係、およびシミュレーションが予測分析テクノロジーとしてどのように機能するかを紹介します。

なぜ予測分析を使用するのですか?予測分析とは、履歴データに基づいて予測を行うことです。技術者は、統計アルゴリズムと機械学習技術を使用して過去のイベントを分析し、将来のシステムの確率と予測を生成します。ほとんどすべての人が予測分析の対象であり、その恩恵を受ける可能性があります。

AnyLogicとMicrosoft Project Bonsaiによる深層強化学習


AnyLogicとMicrosoft Project Bonsaiによる深層強化学習

Microsoft Project Bonsaiを使用すると、AIのバックグラウンドがない専門家でも、専門知識を活用してAIエージェントを指導し、実際のビジネス上の問題を解決できます。 Project BonsaiとAnyLogicシミュレーションを使用するための主要な概念とワークフローを紹介する、ウェビナーと付随するリソース情報を以下に示します。

このウェビナーは、AnyLogicとMicrosoftが提携して 、ビジネスアプリケーションに深層強化学習と機械教育をもたらす内容となっています。Microsoft Project Bonsaiチームの主任プログラムマネージャーであるDavid CoeとAnyLogic AIプログラムリーダーのArash Mahdaviが、シミュレーションを使用してAIをトレーニングし、シミュレーションでAI制御を実装するためのエンドツーエンドのワークフローを実証します。

Webinar: How to train a policy for controlling a machine (using simulation and deep reinforcement learning)


Webinar: How to train a policy for controlling a machine (using simulation and deep reinforcement learning)

The How to train a policy for controlling a machine webinar demonstrated the use of a simulation environment in deep reinforcement learning. The recording is available below, along with the supplementary materials – so you can try it out for yourself and explore some of the possibilities.

The materials above in combination with the video recording of the webinar cover everything that is needed to reproduce the entire training setup.

  • 1
  • 2