2021小迈步第二课|深度学习提高课堂——快速实现AI驱动系统原型

深度学习提高课堂——快速实现AI驱动系统原型

时间：2021 年 4 月 27 日  19:00  在线直播

从基于深度学习的视觉感知到使用强化学习开发机器人控制策略，人工智能技术在工业领域的应用越来越多样。深度神经网络 (DNN) 不仅擅于识别图像、预测时序信号，通过模仿学习，你还可以用 DNN 替代复杂的控制策略，对高保真度的物理模型进行降阶简化，从而加快推理或仿真速度。
在 MATLAB 中，你可以实现深度神经网络建模、训练和应用部署。如果你希望充分借助数据和模型的力量，将深度神经网络与传感器融合、信号处理、传统控制以及物理建模等环节进行集成，那么不妨尝试在 Simulink 中，构建一个 AI 驱动系统，进行快速原型开发。
神经网络黑盒模型在生产系统中的动态行为是否和预期相符？怎样通过桌面快速原型，测试神经网络的功能和可靠性？本次讲座将通过具体实例，帮助你掌握更多 MATLAB 深度学习技巧，并熟悉如何使用 Simulink 仿真，结合软件和环境模型，对深度神经网络进行闭环仿真测试，并直接生成 C/C++ 或 CUDA 代码，进行 PIL、HIL 测试和嵌入式硬件部署。

亮点

• 提高数据前处理效率
• 深度学习模型开发和试验管理
• 使用 Deep Network Quantizer 进行模型量化
• 桌面原型测试
• 自动代码生成和边缘部署
  

配套福利

• 今年的课程全部提供 MathWorks 官方参会证书哦！
• 过程中如遇问题，可在本论坛自由提问、讨论
• 课件/Demo 等相关学习资料将上传本帖
  

2021年小迈步系列主题预告，敬请关注：
小迈步第三课：图像处理与计算机视觉，6月22日
小迈步第四课：无人机系统建模仿真，9月14日
小迈步第五课：计算生物学，10月26日
小迈步第六课：控制系统设计，11月23日
小迈步第七课：MATLAB数据科学，12月14日

扫描二维码即可免费注册，请在活动当天18:00前完成注册：

课前如有相关技术问题可以在这里跟帖提问，演讲嘉宾会选取在直播中为大家解答。

主讲人：
袁航，MathWorks 中国应用工程师，专注于数据科学和人工智能应用。曾任职于林德液压（德国），从事计算编程、流体仿真和系统建模。硕士毕业于北京航空航天大学机械电子工程专业。

产品聚焦
Simulink
Deep Learning Toolbox
Embedded Coder
MATLAB Coder

补充信息：
在这里查看你的学校是否有 MATLAB 校园版授权：https://www.mathworks.cn/academia/tah-support-program/eligibility.html

点击查看往期课程 >>