PK10计划

datasheet

MathWorks直击AI行业痛点,工具选择至关重要

2019-06-06来源: 半导体行业观察作者: 杜芹 关键字:MathWorks  AI

人工智能是一项革命性的技术,基于麦肯锡最新的人工智能预测,到2030年AI将产生13万亿美元的价值,而且人工智能在提高生产率方面具有巨大潜力。然而人工智能却还在苦苦挣扎,很多原因导致了人工智能的失败!例如数据繁多、没有数据科学家、团队力不及、无法与其他系统交互、问题不适合人工智能、低投资回报率、不完整的工具等。人工智能不仅是算法的智能,它需要在特定的环境中运作,需要应用专业知识跨越整个设计流程。


PK10计划为了解决AI行业的这些失败难题,在5月21日召开的MATLAB EXPO 2019大会上,MathWorks首席战略师Jim Tung就AI的痛点和难点以及解决方案与媒体朋友们做了深入的探讨。


image.png

MathWorks首席战略师Jim Tung


使用MATLAB为AI做好准备


PK10计划AI(人工智能)无处不在。它不仅推动了智能助手、机器翻译和自动驾驶等应用的发展,还为工程师和科学家提供了一套处理通用任务的新技术。但最近的调查显示,虽然许多企业都认识到了AI的价值和潜力,但很少能够真正落地 - Gartner最近对3,000家公司进行的调查显示,开始计划使用AI的约为50%,而实际上使用AI的只有4%。


Jim Tung举了3个MATLAB的应用案例,展示如何通过MATLAB让 AI 快速落地。


案例一:改进新西兰的乳制品加工 


乳制品加工的过程中需要尽早检测出缺陷产品,在利用AI模型检测的时候,他们提出了几个关键的见解:

(1)结果是错误的;

(2)每个工厂不尽相同,需要为每个工厂建立一个单独的模型;

(3)工厂的经营状态每年都在改变;

(4)并且奶粉松密度预测不正确,有大量的假正和未使用的类。


image.png


该企业基于行业知识进一步对数据进行可视化和分析,采用细化数据分类等手段保证的最终的应用满足企业需求。所以要想在人工智能方面取得成功,企业必须将人工智能模型与科学和工程的洞见相结合,再加之伴随可跨科学与工程和数据科学的工具。


案例二:实现自动驾驶汽车的承诺


自动驾驶对感知、规划与控制算法提出了很高的要求,伴随而来的问题则是如何开发并验证这些复杂的算法。应对安全事故频出的现状,借助成熟的商业工具MATLAB®和Simulink®,能够高效、可靠地开展这些工作:


  • 真实值标注、基于深度学习的语义分割及GPU加速训练

  • 实时的传感器数据可视化及传感器融合

  • 车辆动力学建模、传感器建模与模型预测控制算法开发

  • 建立虚拟驾驶场景、进行闭环仿真


Voyage的目标是快速进入市场,目标定位是退休社区,尽可能使用现成的组件,在整个流程中引入正确的软件工具,Voyage 首先完成了他们的人工智能系统,但是需要将人工智能与系统的其他部分连接起来。


image.png


从Simulink的例子开始,他们可以在此基础上进行构建,注入模拟车辆,以便驾驶时与之互动,将控制器部署为ROS节点并生成代码,并使用严格的模拟循环快速训练你的AI,利用模拟进行数据综合的一个案例。


image.png


PK10计划“Simulink+ROS使我们在不到3个月内部署一辆level3级自动驾驶汽车”-Alan Mond,Voyage。


案例三:Early Sense 积极的病人护理


Early Sense’s AI可以在早期预测关键事件的发生,通过持续监控,能在早期察觉事件,并早期采取干预措施,得到良好的结果,。例如护士站和走廊监视器上的Dashboard,员工携带的手持设备上的报警,这些设备都可以防患于未然。


image.png


MathWorks R2019a新功能详解


人工智能训练模型的时候,数据是最重要的因素,只有通过大数据训练,才能让训练的模型更接近于实际需求。此次大会的重点MathWorks R2019a的人工智能的新功能主要包括:深度学习、机器学习和增强学习三方面。


深度学习新增功能


深度学习的特点是不需要人工手动找出特征值,系统可以自动从数据里提取特征值。MATLAB里面有很多自动标记的工具和功能。其新增功能主要有:


1.数据准备和标注:主要标注视频或图像序列中的真实值 (ground-truth) 数据,对音频数据集交互式地定义和可视化真实值 (ground-truth) 标签。新特性如下:


  • 信号标贴器:交互式地可视化和标注信号

  • 像素标签数据存储:存储二维和三维语义分割数据的像素信息,增强的图像数据存储可创建更多训练示例以增强深度学习训练数据

  • 音频数据存储:管理大型录音数据集


2.网络架构:用于连续时序输出的回归和双向LSTM


  • 训练“you-only-look-once”(YOLO) v2 深度学习对象检测器并生成CUDA代码

  • 自定义层支持:定义具有多个输入和输出的新层,并为分类和回归指定损失函数

  • 将 LSTM 和卷积层结合起来,进行视频分类和手势识别

  • Deep Network Designer:以图形方式设计和分析深度网络并生成 MATLAB 代码


3.深度学习交互性:使用 ONNX 模型格式导入和导出具有其他深度学习框架的模型


  • 导入 TensorFlow-Keras 模型并生成 CUDA 代码

  • 在 Caffe 模型导入器中导入 DAG 网络


4.网络训练


  • 在三维图像数据上训练深度学习网络

  • 在 NVIDIA DGX 和云平台上训练深度学习模型


PK10计划5.调试和可视化:使用类激活映射研究网络预测


6.部署:使用共享内存来实现 CUDA 优化的转置操作,以提高性能


机器学习


1.交互式应用程序:利用回归学习应用程序交互训练回归模型


2.大数据:


  • 用高Arays的Ft-Kermel-SVM回归和分类模型

  • 在外存储器数据上使用快速近似方法、量子和非分层分区


3.自动模型优化:使用稀疏ftering和重构独立分量分析(RICA)执行无监督特征学习


4.部署:生成c代码,用于向量和矩阵的距离计算,以及使用k-最近邻和非树系综模型进行预测


5.机器学习和统计算法


  • 使用流行的聚类算法,包括k-均值、k-介质、层次聚类、高斯混合和隐马尔可夫模型。

  • 运行统计和机器学习计算比使用开源工具更快


增强学习


本次大会新推出的增强学习主要是关于行为学习或完成复杂任务,通过trial&error交互的方式进行学习,用强化学习来设计和训练策略,复杂的问题通常需要深入学习。


  • PK10计划强学习算法:使用 DQN、DDPG、A2C 和其他算法训练深度神经网络策略

  • 环境建模:创建 MATLAB 和 Simulink 模型来代表环境,并为训练策略提供观察和奖励信号

  • 训练加速:在 GPU 和多核 CPU 上并行进行策略训练

  • 参考示例:使用增强学习实现控制器,以用于自动驾驶和机器人应用


总结


有了MATLAB,即使您没有机器学习的经验,也可以使用AI。AI只是整个系统里的一部分,要想整个系统完全做好,很快地开发出来,你需要的不仅仅是AI的部分,还需要了解AI以外的其他的技术。


要想在人工智能方面取得成功,必须将人工智能模型与科学和工程的洞见相结合。


要想在人工智能方面取得成功,我们必须使用跨越整个设计流程的工具链。


要想在人工智能方面取得成功,我们必须设计如何集成系统并在他们的环境中进行交互。


关键字:MathWorks  AI

编辑:baixue 引用地址:PK10计划http://www.sxdxjp.com/IoT/ic463813.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:贸泽推出配备BAW 谐振器的TI超低抖动时钟
下一篇:半导体厂纷发展的AI推理芯片大有可为

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

MathWorks 发布 2019a 版 MATLAB 和 Simulink

MathWorks 宣布推出了 2019a 版本的 MATLAB 和 Simulink。该版本包含支持人工智能(AI)、信号处理和静态分析的新产品和重要增强功能,以及所有产品系列中的新功能和 Bug 修复。 MATLAB 市场总监 David Rich 说道:“从大力推广 AI 向生产转移的重要挑战之一是,各个组织要雇佣 AI ‘专家’并尝试教他们掌握工程领域的专门知识。借助 R2019a,MathWorks 使工程师能够快速而有效地拓展他们的 AI 技能,无论是使用强化学习功能开发控制器和决策系统、在 NVIDIA DGX 和云平台上训练深度学习模型,还是将深度学习功能应用于三维数据。” AI 
发表于 2019-03-26
MathWorks 发布 2019a 版 MATLAB 和 Simulink

扩展 MATLAB 工作流程— Sensor Fusion and Tracking Toolbox

扩展 MATLAB 工作流程,帮助工程师设计、仿真和分析来自多个传感器的数据融合系统 MathWorks 公司今天推出了 Sensor Fusion and Tracking Toolbox,该工具箱是 2018b 版的一个组成部分。新工具箱为在航天和国防、汽车、消费类电子及其他行业开发自主系统的工程师提供算法和工具,来保持位置、方向和态势感知。该工具箱扩展将基于 MATLAB 的工作流程,帮助工程师开发精确的感知算法用于自主系统开发。 从事自主系统感知阶段开发的工程师需要融合来自各传感器的输入,来估算这些系统周围的物体位置。现在,科研人员、开发者和兴趣爱好者可以使用该工具箱内的定位与跟踪算法以及参考示例
发表于 2018-12-14
扩展 MATLAB 工作流程— Sensor Fusion and Tracking Toolbox

扩展无线标准功能,MathWorks 推出5G Toolbox

MathWorks 宣布,今天推出了 5G Toolbox。这款工具箱提供了符合标准的波形和参考设计,用于 3GPP 5G 新无线(NR)通信系统的物理层建模、仿真和验证。工程师使用 5G Toolbox 可以快速设计关键算法并预测符合 5G Release 15 标准规范的系统端到端链路性能。5G Toolbox 成为MathWorks公司的无线通信产品系列的一员,该产品系列还包括对 LTE 和 WLAN 标准的支持、大规模 MIMO 天线阵列和 RF 前端技术的仿真、无线测试以及无线电硬件的快速原型设计。MathWorks 信号处理应用高级策划师 Ken Karnofsky 说道:“采用 5G 时,无线工程师需要验证其产品设计
发表于 2018-11-08

加快深度学习速度,MathWorks 将提供全新GPU 加速容器

MathWorks 今天宣布为 DGX 系统和其他支持 NGC 平台,基于 NVIDIA GPU Cloud (NGC) 容器注册表提供新的 GPU 加速容器。研发人员现在可以利用 NVIDIA DGX 系统中或受支持云服务提供商的多个 GPU ,或选择 PC 和工作站上的 NVIDIA GPU,应用 MATLAB 中的深度学习工作流程。 构建 AI 解决方案的研发人员需要访问云和 HPC 资源,最大限度地缩短训练时间。利用来自 NGC 的 GPU 来加速 MATLAB 容器,用户能够大大加快深度学习网络训练速度,并借助 MATLAB 应用程序和工具来创建、修改、可视化和分析深度学习网络。 “NGC 提供对针对
发表于 2018-10-30

MathWorks 推出 2018b 版本的 MATLAB 和 Simulink

MathWorks 宣布,推出 2018b 版本的 MATLAB 和 Simulink。该版本包含重要的深度学习增强功能,以及各个产品系列中的新功能和Bug修复。新的 Deep Learning Toolbox 取代了 Neural Network Toolbox,为工程师和科学家提供了用于设计和实现深度神经网络的框架。现在,图像处理、计算机视觉、信号处理和系统工程师可以使用 MATLAB 更轻松地设计复杂的网络架构,并改进其深度学习模型的性能。MathWorks 最近加入了 ONNX 社区,表明其对互操作性的支持,从而实现 MATLAB 用户与其他深度学习框架用户之间的协作。使用 R2018b 中
发表于 2018-09-19

PK10计划半导体厂纷发展的AI推理芯片大有可为

近年来科技热潮一波接一波,2013年、2014年开始倡议物联网、穿戴式电子,2016年开始人工智能,2018年末则为5G。人工智能过往在1950年代、1980年代先后热议过,但因多项技术限制与过度期许而回复平淡,2016年随云端资料日多与影音辨识需求再次走红(图1)。图1人工智能的第三波热潮人工智能的运用分成两个阶段,一是学习训练阶段,二是推理阶段,此与应用程序相类似,程序开发阶段即为学习训练阶段,程序正式上线执行运作则为推理阶段。开发即是船舰在船坞内打造或维修,执行则为船舰出海航行作业执勤(图2)。图2人工智能训练与推理的差别训练与推理阶段对运算的要求有所不同,训练阶段需要大量繁复的运算,且为了让人工智能模型获得更佳的参数调整数据
发表于 2019-06-11
半导体厂纷发展的AI推理芯片大有可为

小广播

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 sxdxjp.com, Inc. All rights reserved
北京pk10计划 北京PK10计划网 全天北京赛车PK10计划精准版 北京赛车pk10计划 pk10计划 北京PK10计划网 北京赛车pk10计划 PK10全天计划网 pk10计划 全天pk10计划