数据预处理与MATLAB

您将花费更少的时间数据预处理。从时间序列的传感器数据，图片到文本，MATLAB应用程式和数据类型显著减少需要预处理的数据的时间。高级功能，可以很容易地同步不同的时间序列，与内插值，过滤噪声信号，取代异常分裂原始文本的话，等等。您可以快速可视化数据了解发展趋势，并与地块和识别数据质量问题现场编辑器。

MATLAB应用的图片，视频和音频数据的自动化地面实况标签。

为了测试算法之前数据可用来自传感器或其它设备，可以生成从Simulink中合成数据。金宝app该方法在自动驾驶系统中通常使用诸如自适应巡航控制，车道保持辅助，和自动紧急制动。

机器学习

MATLAB用户已经部署了成千上万的应用程序进行预测性维护，传感器分析，金融，通讯电子。统计和机器学习工具箱™使得机器的硬部件与应用的培训和比较模型，先进的信号处理和特征提取，分类，回归学习容易，聚类算法监督和无监督的学习。

ASML，半导体制造商，使用的机器学习技术来创建虚拟量测技术，提高在复杂的结构，使一个芯片重叠对准。“作为一个工艺工程师，我曾与神经网络或机器学习的经验。我通过MATLAB实例一起寻找产生的虚拟测量的最佳机器学习功能。用C我不能这样做或Python，那就已经采取了太长时间找到，验证和整合权套餐，解释说：”工程师埃米尔·施密特 - 韦弗。

MATLAB模型还具有更快的执行速度比大多数统计和机器学习计算开源。

深度学习

工程师使用自动驾驶，计算机视觉，语音和自然语言处理和其他应用MATLAB深学习能力。深度学习工具箱™允许您创建，互连，培训和评估深层神经网络的层。实例和预训练的网络可以很容易地使用MATLAB深学习，即使没有先进的计算机视觉算法或神经网络知识。

MATLAB使工程师能够在不同的深度学习框架一起工作。随着ONN金宝appX支持，MATLAB允许进口和最新车型的出口，并从其它支持的框架，包括TensorFlow。

强化学习

在控制系统中，从学习基于累积回报效益，强化学习是一种理想的技术。强化学习工具箱™让你训练使用DQN，A2C，DDPG，以及其他强化学习算法政策。您可以使用这些策略来实现控制器和决策算法的复杂系统，如机器人和自治系统。您可以实现使用深层神经网络，多项式，或查找表的策略。

自然语言处理

自然语言处理模型通常用于情感分析，预测性维护和主题建模。文本分析工具箱™提供算法和可视化的预处理，分析和建模的文本数据。它可以让你提取和处理来自诸如设备日志，新闻，调查，经营者报告，以及社交媒体的原始文本。

使用机器学习技术，如LSA，LDA，文字的嵌入，你可以找到集群和创建高维数据集文本功能。特点与文本分析工具箱创建可以与其他数据源的特性来构建机器学习是采取文字，数字和其他类型的数据模型的优点结合起来。

系统设计

复杂的，AI-驱动系统需要与其他算法集成。系统设计和仿真是因为整个系统的影响AI模式的有效性非常重要。工程师可以使用Simulin金宝appk中实现快速的设计迭代和闭环测试。

例如，在自动驱动系统，可以使用AI和模拟来设计该控制器用于制动，加速，和转弯。您可以使用Sim金宝appulink中设计和仿真系统模型，并MATLAB的AI模式。您可以使用软件，如虚幻引擎合成理想的相机图像喂AI模式。

航程，这使得退休社区，在不到三个月的时间部署了3级自主车自驾车的出租车。集成模型加速过程从构思到道路测试。金宝appSimulink中让他们安全地测试在危险的条件下。

金宝appSimulink中，您还可以生成从已知故障条件的故障数据。在风力发电场，你可能会合成失败的数据添加到从风力涡轮机的测量数据。您可以优化您的系统模型，以获得未来的设备故障的准确的预测。

部署

在MATLAB AI模型可以被部署在该领域嵌入式设备或板，边缘装置，企业系统，或云。

对于深学习模型，你可以使用GPU编码器™生成和部署NVIDIA^®CUDA^®图形处理器。或者生成C代码MATLAB编码器™对于英特尔部署^®和手臂^®板。供应商优化的库创建具有高性能的推理速度部署模型。

同MATLAB生产服务器™，你可以安全地部署并与企业IT系统，数据源和业务技术集成。