用Simulink深入学习金宝app

使用Simulink扩展深度学习工作流金宝app

在Simulink中实现深度学习功能金宝app^®通过使用Deep Neural Networks块库(包含在Deep Learning Toolbox™中)中的块，或使用深度学习对象检测器来自Computer Vision Toolbox™中包含的分析和增强块库的块。

块

图像分类器	使用经过训练的深度学习神经网络对数据进行分类
预测	使用训练有素的深度学习神经网络预测反应
有状态分类	使用经过训练的深度学习循环神经网络分类数据
有状态的预测	使用经过训练的循环神经网络预测反应
深度学习对象检测器	使用经过训练的深度学习对象检测器检测对象

主题

图片

使用GoogLeNet对Simulin金宝appk中的图像进行分类

这个例子展示了如何在Simulink®中使用金宝app图像分类器块。

使用深度学习的Simulink车道和车辆检测金宝app

这个例子展示了如何在Simulink®模型中使用深度卷积神经网络来执行车道和车辆检测。金宝app

基于深度学习的Simulink心电信号分类金宝app

这个例子展示了如何在Simulink (R)模型中使用小波变换和深度学习网络对心电信号进行分类。金宝app

引入TensorFlow网络对Simulink中的图像序列进行金宝app分类

导入一个预先训练的TensorFlow™网络使用importtensorflownetwork.，然后在Simulink中使用Predict块进行图像分类。金宝app

序列

在Simulink中预测和更新网络状态金宝app

这个例子展示了如何在Simulink®中使用金宝app有状态的预测块。

Simulink中网络状态的分类与更新金宝app

这个例子展示了如何在Simulink®中使用金宝app有状态分类块。

Simulink中的语音命令识别金宝app

使用Simulink模型检测音频中语音命令的存在。金宝app

基于深度学习网络的Simulink时间序列预测金宝app

此示例显示如何在Simulink®模型内使用LSTM深度学习网络来预测发动机的剩余使用寿命（RUL）。金宝app

强化学习

创建Simul金宝appink环境和培训代理

以Simulink中建模的对象作为训练环境，使用强化学习训练控制器。金宝app

训练DDPG Agent进行自适应巡航控制

训练一个强化学习代理的自适应巡航控制应用。

利用并行计算训练DQN代理进行车道保持辅助

为车道保持辅助应用培训钢筋学习代理。

训练DDPG Agent路径跟踪控制

培训申请后车道的钢筋学习代理。

代码生成

从Simulink应用程序中生成深度学习代码金宝app

生成C / C ++和GPU代码，以便在桌面或嵌入目标上部署

特色的例子

使用深度学习的Simulink车道和车辆检测金宝app

在Simulink®模型中使用深度卷积神经网络进行车道和车辆检测。金宝app本例以交通视频帧为输入，输出与自我车辆的左右车道相对应的两条车道边界，并检测帧中的车辆。

打开脚本

基于深度学习的Simulink心电信号分类金宝app

在Simulink (R)模型中使用小波变换和深度学习网络对心电信号进行分类。金宝app这个例子使用了预训练卷积神经网络利用小波分析和深度学习对时间序列进行分类小波工具箱™的示例基于时间序列数据的CWT的图像对ECG信号进行分类。有关培训的信息，请参阅使用小波分析和深度学习（小波工具箱）分类时间序列。

打开脚本