光華講壇——社會(huì)名流與企業(yè)家論壇第6574期
主題:Integration of Machine Learning and Simulation-based Thinking for Stochastic Decision Making （機(jī)器學(xué)習(xí)與仿真思維融合以賦能隨機(jī)決策）
主講人:喬治梅森大學(xué) Chun-Hung Chen
主持人:管理科學(xué)與工程學(xué)院 肖輝
時(shí)間：6月17日 13:55-16:55
地點(diǎn)：通博樓205
主辦單位：管理科學(xué)與工程學(xué)院 科研處
主講人簡(jiǎn)介:
Chun-Hung Chen教授畢業(yè)于美國(guó)哈佛大學(xué)，現(xiàn)任喬治梅森大學(xué)系統(tǒng)工程與運(yùn)籌學(xué)系教授、IEEE Fellow。陳教授長(zhǎng)期從事仿真領(lǐng)域的相關(guān)研究工作并做出突出貢獻(xiàn)，先后出版學(xué)術(shù)專(zhuān)著2本，其中包括暢銷(xiāo)書(shū)Stochastic Simulation Optimization: An Optimal Computing Budget Allocation，并曾擔(dān)任多個(gè)國(guó)際SCI期刊編輯或編委，如: IEEE Transactions on Automatic Control, IEEE Transactions on Automation Science and Engineering, IISE Transactions, Asia-Pacific Journal of Operational Research以及 Journal of Simulation Modeling Practice and Theory等。
內(nèi)容簡(jiǎn)介:
機(jī)器學(xué)習(xí)（ML）因其能夠基于數(shù)據(jù)識(shí)別模式并進(jìn)行預(yù)測(cè)被廣泛應(yīng)用于諸多領(lǐng)域。然而，其有效性依賴(lài)于數(shù)據(jù)的可用性和質(zhì)量以及訓(xùn)練的充分性，這限制了其應(yīng)對(duì)罕見(jiàn)突發(fā)事件的能力。遷移學(xué)習(xí)通過(guò)利用預(yù)訓(xùn)練模型快速適應(yīng)新任務(wù)，并以較少的數(shù)據(jù)和計(jì)算資源實(shí)現(xiàn)這一目標(biāo)。盡管如此，它的表現(xiàn)仍然根本上取決于所用數(shù)據(jù)質(zhì)量。計(jì)算機(jī)仿真（包括數(shù)字孿生）能夠在數(shù)據(jù)稀缺或事件尚未發(fā)生的情況下提供解決方案。然而，仿真可能會(huì)非常耗費(fèi)計(jì)算資源，特別是在尋找最優(yōu)決策時(shí)。本次演講將介紹一種以ML與仿真為基礎(chǔ)的有效系統(tǒng)決策方法。該方法能夠增強(qiáng)決策能力，融合ML與仿真兩者的優(yōu)點(diǎn)，有效識(shí)別最優(yōu)決策，克服與數(shù)據(jù)可用性、訓(xùn)練限制和未來(lái)事件不可預(yù)測(cè)性相關(guān)的挑戰(zhàn)，為復(fù)雜系統(tǒng)實(shí)現(xiàn)高質(zhì)量決策提供有效的方法與手段。
