RLChina
RLChina 是由国内外强化学习学者联合发起的民间学术组织,主要活动包括举办强化学习线上公开课、强化学习线上研讨会等,旨在搭建强化学习学术界、产业界和广大爱好者之间的桥梁。
发布于

话题讨论:决策智能产业展望

评论(10)
  • dummy
    dummy 回复

    张老师,请问深度强化学习在设备预测性维护领域,在训练模型的的时候,怎么搭建交互环境呢?

  • Zxy
    Zxy 回复

    张老师,选择使用 LSTM 进行预测,是因为能源消耗具有时序性吗?还是有其他什么考虑?

  • vinbo
    vinbo 回复

    请问故障诊断中定位故障位置的具体机理是什么?

  • Zxy
    Zxy 回复

    张涛老师,您好!请问,对于能源消耗建立的 LSTM 模型,进行精准预测。预测之后,是如何进行优化,提高燃烧效率和降低能源消耗的呢?

  • vinbo
    vinbo 回复

    请问利用无监督学习得到的电厂燃烧模型的精度如何?

  • zxl 回复

    候老师,您好,目前你们对超大规模的 MIP 求解,一般采用什么启发式的求解方式?割平面目前效率如何?效果呢?

  • 回复

    请问老师,如果纯人工管理智能程度是 0,AI 全权接管是 10,现在交通、消费零售、工业方面参与程度各能评多少分呢?

  • qingyang 回复

    还是想问一下老师们,因为我的专业是管理科学与工程,偏智能决策的运筹优化,我想问一下目前 RL 可以用在应急管理的哪些方面呢(主要是对于突发事件的风险感知这些,是否有应用)?

  • vinbo
    vinbo 回复

    个人观点,如何才能把一个新的科技创新公司的目光从游戏这种对国家硬科技实力没有任何影响的领域引开,而落点到科技硬实力上面,才是一个最重要的课题。游戏的市场潜力太大了,公司想赚钱想生存当然要优先考虑,但是游戏行业再发达也不代表国家科技实力,每年有太多优秀毕业生投入到游戏行业,这是国家的畸形损失。希望听一下大家的观点。

  • rl-gou 回复

    感谢 RLChina!!!