人工智能与统计
数据类型,如图像、视频、信号、音频和文本 计算机视觉、音频和信号处理等应用, 文本分析、无线通信和自动驾驶
话题
AI基础
MATLAB中的机器学习 (统计和机器学习工具箱) 发现MATLAB中用于分类、回归、聚类和深度学习的机器学习功能, 包括用于自动模型培训和代码生成的应用程序。 MATLAB中的深度学习 (深度学习工具箱) 利用卷积神经网络在MATLAB中发现分类和回归的深度学习能力, 包括预处理网络和传输学习,以及GPU、CPU、, 簇和云。 什么是强化学习? (强化学习工具箱) 强化学习是一种目标导向的计算方法 学习通过与不确定的动态环境交互来执行任务。
人工智能建模
在分类学习应用程序中训练分类模型 (统计和机器学习工具箱) 培训、比较和改进分类模型的工作流程, 包括自动、手动和并行培训。 在回归学习应用程序中训练回归模型 (统计和机器学习工具箱) 培训、比较和改进回归模型的工作流,包括 自动化、手动和并行培训。 使用Deep Network Designer构建网络 (深度学习工具箱) 在deep Network中交互构建和编辑深度学习网络 设计师。
模拟和部署
基于前馈神经网络的Simulink电池充电状态估计 (深度学习工具箱) 这个例子展示了如何在Simulink®模型中使用前馈深度学习网络来预测电池的充电状态(SOC)。 深度学习网络的代码生成 (GPU编码器) CUDA入门 ® 图像分类网络的代码生成,例如 ResNet公司 . 用于车道和车辆检测的深度学习Simulink模型的代码生成 (嵌入式编码器) 此示例显示如何从执行车道的Simulink®模型生成C++代码 以及使用卷积神经网络(CNN)进行车辆检测。