Introducción
En Simio, la lógica de decisión compleja puede simplificarse utilizando la regresión de redes neuronales para inferir información cuando la relación entre entradas y salidas es complicada, como la estimación de los plazos de entrega de los pedidos. Las ejecuciones de simulación no sólo pueden utilizar modelos de redes neuronales para la estimación y la inferencia, sino también generar automáticamente datos de entrenamiento sintéticos para supervisar su rendimiento predictivo y volver a entrenarlos. Al utilizar redes neuronales para simplificar la lógica de decisión dentro de un modelo de simulación, la atención pasa a centrarse en el modelado de los componentes del sistema y sus interacciones. Esto hace que el modelo de simulación de gemelos digitales sea más fácil de construir, comprender, depurar y mantener.
Las redes neuronales son un subconjunto de algoritmos de aprendizaje automático, inspirados en el cerebro humano. Un modelo de red neuronal se compone de capas de nodos: una capa de entrada, una o más capas ocultas y una capa de salida. Una red con dos o más capas ocultas se denomina red de aprendizaje profundo. Una red neuronal directa es la primera y más simple forma de red neuronal, en la que los datos se mueven en una sola dirección desde la capa de entrada a la capa de salida (sin bucles). La red tiene unos parámetros llamados pesos y sesgos, que se establecen mediante un proceso llamado entrenamiento. Estos pesos y sesgos se utilizan para transformar las entradas de cada nodo en una salida que se envía a la siguiente capa de nodos.
Una red neuronal de regresión predice una o varias salidas numéricas a partir de un conjunto de entradas numéricas. Aunque las redes neuronales son ampliamente conocidas para modelar problemas complejos como el reconocimiento de imágenes y aplicaciones de IA generativa como ChatGPT, también son muy adecuadas para aplicaciones de regresión, como la predicción de un KPI en un sistema dado el estado actual del sistema. Esto las convierte en un marco ideal para integrar la IA en modelos de simulación de gemelos digitales.
Simio Gemelos digitales y redes neuronales
Simio es el primer y único software de simulación de gemelos digitales basado en eventos discretos que ofrece funciones de IA integradas y completas, totalmente compatibles con la creación y el entrenamiento automático de redes neuronales de regresión dentro de un modelo, sin necesidad de programación en Python o Java ni de integración con herramientas de IA externas de terceros. Simio permite definir uno o varios modelos de redes neuronales, a los que luego se puede hacer referencia para la inferencia dentro de un modelo Simio a través de un elemento de red neuronal.
Descargue el PDF siguiente para seguir leyendo...
Descargar versión PDF