機械学習のためのMATLAB
モデルのトレーニング,パラメーター調整を行い,本番環境やエッジに展開
エンジニアや各分野の専門家による,何千もの機械学習アプリケーションの展開にMATLAB®が使用されています.MATLABは機械学習における課題を,以下のような機能によって解消することができます。
- クリック操作が可能なアプリによるモデルのトレーニングおよび比較
- 高度な信号処理および特徴抽出の手法
- ハイパーパラメーターの自動調整および特徴選択によるモデルパフォーマンスの最適化
- コードを変更することなくビッグデータおよびクラスターに計算処理をスケーリング
- 組み込みアプリケーションおよび高性能アプリケーション向けC / c++コードの自動生成
- 教師あり学習と教師なし学習の主要な分類,回帰,クラスタリングのアルゴリズムに対応
- 大半の統計および機械学習の計算において,オープンソースツールよりも速い実行速度
了解其他人如何使用MATLAB进行机器学习
汽车
宝马
利用机器学习检测过度转向
公用事业和能源
贝克休斯
使用数据分析和机器学习对天然气和石油开采设备进行预测维护
神经科学
伯特立
神经旁路技术可以恢复瘫痪病人手臂和手的运动
インタラクティブなアプリとアルゴリズム
機械学習の最も一般的な手法である分類,クラスタリング,回帰の,広範なアルゴリズムを選択できます。分類や回帰のアプリを使用して,モデルを対話型にトレーニング,比較,調整,エクスポートし,更なる分析,統合,展開を行うことができます。コードの記述のほうが望ましい場合は,特徴選択やパラメーターの調整を通じてモデルをさらに最適化できます。
自動化された機械学習(AutoML)
トレーニングデータから自動的に特徴を生成し,ベイズ最適化のようなハイパーパラメーター調整手法を使用してモデルを最適化します。信号や画像のデータにウェーブレット散乱などの専門的特徴抽出の手法を用いたり,近傍成分分析(NCA)や逐次特徴選択などの特徴選択手法を使用できます。
コードの生成
前処理および後処理を含む,機械学習全体のアルゴリズムの,読み取り可能なC / c++コードを生成し,統計モデルと機械学習モデルを組み込みシステムに展開しますC / c++予測コードを再生成せずに,展開済みモデルのパラメーターを更新します.万博1manbetxSimulink®でMATLAB函数ブロックとシステムブロックから機械学習モデルを使用して,高忠実にシミュレーションの検証と確認の作業を高速化します。
スケーリングとパフォーマンス
高配列を使用すれば,コードに最小限の変更を加えるだけで,マシンのメモリには大きすぎて収まらないデータセットを使って機械学習モデルをトレーニングできます。さらに,デスクトップ,クラスター,またはクラウドで並列計算を使用することにより,統計計算とモデルトレーニングを高速化できます。
関連情報
無料評価版を入手する
30日間の無料評価版はこちら