人工智能,数据科学和统计数据
数据准备、设计、仿真和部署为机器学习和神经网络
MATLAB®简化数据科学与工具来访问和预处理数据,构建机器学习和预测模型和部署模型。
使用MATLAB应用程序或只有几行代码,您可以应用统计,机器,和深度学习技术为设计算法时,你的工作准备和标签数据,或者生成代码和部署嵌入式系统。使用专门的工具扩展人工智能建模和数据拟合的工作流:
数据类型,如图片、视频信号、音频和文本
应用,如计算机视觉、音频和信号处理、文本分析、无线通讯和自动驾驶。
下载188bet金宝搏产品的人工智能,数据科学和统计数据
主题
人工智能基础
- 机器学习在MATLAB(统计和机器学习的工具箱)
发现机器学习在MATLAB功能分类、回归、聚类、和深度学习,包括应用自动化模型训练和代码生成。 - 深度学习在MATLAB(深度学习工具箱)
发现深度学习能力在MATLAB使用卷积神经网络分类和回归,包括pretrained网络和学习,转移和培训在gpu, cpu,集群和云。 - 强化学习是什么?(强化学习工具箱)
强化学习是一种目标导向的计算方法在计算机学会执行任务与一个不确定的动态环境中交互。
人工智能建模
- 训练分类模型的分类学习者应用(统计和机器学习的工具箱)
工作流程培训、比较和提高分类模型,包括自动、手动和并行训练。 - 火车在回归学习者应用回归模型(统计和机器学习的工具箱)
工作流程培训、比较和改进回归模型,包括自动、手动和并行训练。 - 构建网络与深度网络设计师(深度学习工具箱)
交互式地建立和编辑在深深度学习网络网络设计师。
仿真和部署
- 电池电荷状态估计在仿真软件中使用深度学习网络金宝app(深度学习工具箱)
这个例子展示了如何使用一个前馈深入学习网络模型内®模型预测的状态(SOC)的电池充电。金宝app - 代码生成深度学习网络(GPU编码器)
开始使用CUDA代码生成等图像分类网络MobileNet-v2,ResNet,GoogLeNet。 - 代码生成的深度学习仿真软件模型,执行巷和车辆检测金宝app(嵌入式编码)
这个例子展示了如何从一个仿真软件生成c++代码®模型执行巷和车辆使用卷积神经网络(CNN)检测。金宝app
