AI與自主系統

深度學習

如何訓練和設計生成對抗網路(GAN)

本段影片將介紹生成式對抗網路(GAN)的概念,並幫助你了解如何利用MATLAB®設計和訓練GAN。

將預訓練的深度學習網路匯入至MATLAB

本段影片Neha Goel和Connell D’Souza說明如何利用 Open Neural Network Exchange (ONNX)將在TensorFlow 及PyTorch等環境設計和訓練的模型匯入MATLAB®。你可以從ONNX Model Zoo下載熱門深度學習網路的ONNX模型。

深度學習揭密:MATLAB最佳實務及影像篇

深度學習主要包含了:組裝大量的資料集、建立一個類神經網路、訓練、視覺化、評估不同的模型、使用特定的硬體(通常需要特殊程式編撰知識)等任務。這些任務通常因為其背後的複雜理論變得更有挑戰性。

深度學習揭密:訊號篇

機器學習與深度學習在各產業間被廣泛視為解決複雜建模問題的強大工具。採用機器學習的好處可見於各種應用,包含預測性維護、健康監控、財經投資組合預測以及先進駕駛輔助等。然而,想從訊號資料開發出預測模型卻不是一項簡單的任務。

自主系統

機器人與自主系統演算法的開發

在這段演講,你將了解如何開發具有多個感測器、需要持續進行規畫及決策、並且必須符合控制和動作要求的複雜自主系統。

強化學習

強化學習於財務金融應用

本段影片將示範一個能夠利用強化學習來決定何時要對一檔歐式買入選擇權合約進行避險,以在規避市場風險與負擔交易成本之間做出權衡的自動交易員。

自動駕駛

自動駕駛之模型預測控制與強化學習

模型預測控制在自動駕駛應用中越來越受歡迎,以提高車輛的回應能力,同時又保有乘客的舒適度。我們將向您展示一個適用於車道跟隨,且結合了縱向和橫向控制的模型預測控制範例。

自動駕駛:感知系統的設計與驗證

自動駕駛系統是透過各種感測器(例如視覺、雷達、及光達(LiDAR))來感受周圍環境,並動態地控制駕駛任務(像是駕駛、煞車和加速等)。這些自動駕駛系統的涵蓋範圍從先進駕駛輔助系統(advanced driver assistance systems, ADAS)到完全地自主等。

規劃符合ISO 26262的模型架構和建模模式

針對功能安全的ISO 26262標準為車用電子、電氣系統,也包含嵌入式系統,提供了開發的準則。在專案正式開始之前,先決定策略、軟體架構、和設計模式,以符合標準並避免專案中途在功能相關領域的變更是相當常見的挑戰。

大數據解析

利用MATLAB清理及分析真實世界感測器資料

感測器資料對於產品和系統在真實世界的運作表現提供了相當有價值的見解。然而,這些資料通常夾雜了如資料缺漏、異常值、雜訊資料、取樣頻率不一致等情形,使分析的工作充滿挑戰性。從多重資料紀錄器、測試、系統等取得的大量資料還會讓挑戰再增加。

MATLAB處理大數據實例及技巧

大數據話題熱度不減,許多企業機構也著手將過往資料找出,試圖重新挖掘金礦。此演講將透過實例剖析,向您介紹如何於MATLAB進行大數據資料的最新功能以及處理技巧。

影像處理與電腦視覺

MATLAB 於進階影像處理及電腦視覺

許多人已經使用MATLAB進行影像處理和電腦視覺的演算法分析, 然而,隨著影像和影片視頻問題愈來愈複雜,工具也要隨之進化。 也因此MathWorks的影像處理和動態影片工具持續加入更多功能,讓工作任務更為快速、更易於使用,並且功能更強大。