据麦肯锡预测，到2030年，人工智能预计将在全球创造13万亿美元的经济价值。
这是因为人工智能正在改变几乎每个行业和应用领域的工程。除了自动驾驶之外，人工智能还被用于预测机器故障的模型中，这些模型会指示机器何时需要维护;健康和传感器分析，如病人监测系统;机器人系统直接从经验中学习和改进。
常见的应用领域AI。
人工智能的成功需要的不仅仅是训练一个人工智能模型，尤其是在人工智能驱动的系统中，它可以做出决策并采取行动。一个可靠的人工智能工作流包括准备数据、创建模型、设计模型将在其上运行的系统，以及部署到硬件或企业系统。
AI工作流程中的步骤。
数据准备
取原始数据并使其为一个准确的，高效和有意义的模型是有用的一个关键步骤。事实上，它代表了你大部分的人工智能努力。
数据准备需要领域专家，如在语音和音频信号的经验，导航和传感器融合，图像和视频处理，并且雷达和激光雷达。在这些领域的工程师是最适合，以确定哪些数据的关键特征是，它们是不重要的，什么罕见的事件来考虑。
人工智能还涉及大量数据。然而,标签数据和图像是单调乏味的和费时。有时候，你没有足够的数据，特别是对安全关键系统。生成准确的综合数据可以提高您的数据集。在这两种情况下，自动化是按时完成任务的关键。
人工智能建模
成功建模AI系统的关键因素是:
- 从一套完整的开始算法和预建模型用于机器学习、深度学习、强化学习等人工智能技术
- 用应用程序用于生产的设计和分析
- 在工作开放的生态系统哪里有像MATLAB这样的人工智能工具®、PyTorch和TensorFlow™可以同时使用
- 管理计算的复杂性与GPU加速和扩展到并行和云服务器和内部数据中心
系统设计
一个完整的系统中存在的AI模式。在自动驾驶系统，AI知觉必须使用算法来定位和路径规划和控制的制动，加速，转向和整合。
AI在自动驾驶场景中使用。
考虑人工智能在风力发电场的预测维护和当今飞机的自动驾驶控制方面。
复杂的，AI驱动的这样的系统需要集成和仿真。
部署
人工智能模型需要部署到您的最终产品中的cpu、gpu和/或fpga上，不管它是嵌入式设备还是边缘设备、企业系统还是云计算的一部分。运行在嵌入式或边缘设备上的人工智能模型提供了该领域所需的快速结果，而运行在企业系统和云中的人工智能模型则提供了跨许多设备收集的数据的结果。通常，人工智能模型被部署到这些系统的组合中。
当您生成从模型代码和目标的设备部署进程加快。使用代码生成优化技术和硬件优化库，你可以调整的代码，以适应嵌入式和边缘设备或企业系统和云计算的高性能需求所需的低功率曲线。
有充分的证据表明，人工智能领域存在技能短缺。然而，使用MATLAB或Simulink的工程师和科学家万博1manbetx®具备在其专业领域创建人工智能驱动系统所需的技能和工具。
使用标记应用程序进行深度学习工作流，如语义分割。
与深度学习框架的互操作。
用MATLAB进行人工智能建模
AI建模技术因应用而异。
机器学习
MATLAB用户已经部署了数千个应用程序，用于预测维护、传感器分析、财务和通信电子。统计和机器学习工具箱™通过对模型的训练和比较、高级信号处理和特征提取、监督学习和非监督学习的分类、回归和聚类算法等应用程序，使机器学习的困难部分变得容易。
半导体制造商阿斯麦(ASML)利用机器学习技术创建了虚拟计量技术，以改善构成芯片的复杂结构中的覆盖对齐。“作为一名过程工程师，我没有神经网络或机器学习方面的经验。我通过MATLAB示例找到了生成虚拟计量的最佳机器学习函数。我不可能在C或python中做到这一点——它会花费太长时间来查找、验证和集成正确的包，”工程师Emil Schmitt-Weaver解释说。
MATLAB模型在大多数统计和机器学习计算方面的执行速度也比开源软件快。
分类学习应用程序，它让你尝试不同的分类器，找到最适合你的数据集。
深度学习
工程师们利用MATLAB的深度学习能力来实现自动驾驶、计算机视觉、语音和自然语言处理等应用。深度学习工具箱™让您创建、互连、训练和评估深层神经网络的各层。通过示例和预先训练的网络，即使不了解高级计算机视觉算法或神经网络，也可以很容易地使用MATLAB进行深度学习。
MATLAB使工程师能够在不同的深度学习框架一起工作。随着ONN万博1manbetxX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。
Deep Network Designer应用程序，它可以让你构建、可视化和编辑深度学习网络。
强化学习
在基于累积奖励的控制系统中，强化学习是一种理想的方法。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。
使用强化学习工具箱设计和培训策略。
自然语言处理
自然语言处理模型通常用于情感分析、预测维护和主题建模。文本分析工具箱™提供用于预处理、分析和建模文本数据的算法和可视化。它允许您从设备日志、新闻提要、调查、操作员报告和社交媒体等来源提取和处理原始文本。
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。
确定风暴报告数据中的主题。
系统设计
复杂的，AI-驱动系统需要与其他算法集成。系统设计和仿真之所以重要，是因为整个系统会影响人工智能模型的有效性。工程师使用Simulink进万博1manbetx行快速设计迭代和闭环测试。
例如，在自动驾驶系统中，您使用AI和仿真来设计用于制动、加速和转弯的控制器。使用Simuli万博1manbetxnk对系统模型进行设计和仿真，使用MATLAB对AI模型进行仿真。你可以使用像虚幻引擎这样的软件来合成理想的相机图像来满足AI模型。
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。万博1manbetxSimulink中让他们安全地测试在危险的条件下。
万博1manbetxSimulink还允许您从已知的故障条件生成故障数据。在风电场中，您可以将合成故障数据添加到来自风力涡轮机的测量数据中。您可以细化您的系统模型，以获得未来设备故障的准确预测。
车道下单眼相机的看法，与MATLAB和Simulink创建控制应用。万博1manbetx
使用来自模型的综合故障数据和测量数据来创建未来故障的强大预测器。
部署
MATLAB中的AI模型可以部署在嵌入式设备或板、边缘设备等领域，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®gpu。或生成C代码MATLAB编码器™对于英特尔部署®和手臂®董事会。供应商优化的库创建了具有高性能推理速度的可部署模型。
与MATLAB生产服务器™，您可以安全地部署到企业IT系统、数据源和操作技术并与之集成。
直接与现有的系统和数据，包括的Tableau积分®,TIBCO®Spotfire中®，电力BI等现代分析系统。
了解更多有关人工智能
看看如何使用MATLAB，一个简单的网络摄像头，和一个深度神经网络来识别你周围的物体。这个演示使用了AlexNet，这是一个经过训练的深度卷积神经网络，它已经训练了超过一百万张图像。
30天免费试用
