美国东北大学推出使用 MATLAB 和 Simulink 的强化学习
机器学习对于工业和机械工程日益重要。东北大学正在使用 MATLAB 和 Simulink 向工科学生教授他们解决将来问题所需的强化学习技能。
关键成果
- 强化学习对工科学生来说更容易掌握
- 与手动编程相比，使用 Reinforcement Learning Toolbox 实现算法可以节省时间
- 通过 MATLAB 和 Simulink 中的真实环境模型获得实操经验
Mohammad Dehghani 教授正在讲授强化学习方面的内容。
随着工业界日趋数字化，工程专业课程应旨在培养学生所需的技能。东北大学机械与工业工程系致力于培养学生解决各种不同领域的现实问题的能力，这些领域包括医疗保健、金融、机器人和能源系统。与此同时，学生还必须掌握关键概念，具备与之相关的必要编程技能。不断发展的强化学习领域就是这样一种概念。
为了更易于实现强化学习，东北大学的教授使用 MATLAB® 和 Simulink® 根据工业和机械工程应用为学生们量身打造了教学模块。对于 STEM 学科的学生，如果他们在课程学习中有过使用 MATLAB 的经验，则可以参考这些模块，简单了解他们在未来的职业生涯中可能会用到的关键强化学习方法。
这些模块包括学生要完成的《强化学习入门之旅》、《深度学习入门之旅》和《MATLAB 入门之旅》，它们由四个阶段组成。在第一阶段，学生先要使用 MATLAB 解决强化学习问题，然后再使用 Reinforcement Learning Toolbox™ 解决该问题。这样，他们便可将手动编程的结果与使用工具箱的结果进行比较。在第二阶段，他们要在 MATLAB 中自行构建环境，并使用强化学习设计器创建和训练交互式智能体。在第三阶段，他们要集成 Simulink 和强化学习设计器，使用深度学习模型对环境进行仿真。最后，也就是在第四阶段，学生要使用相同的工具创建更高级的应用，包括机器人仿真和投资组合管理。
