AI および統計

機械学習と深層ニューラルネットワークのデータ準備、設計、シミュレーション、および展開

データへのアクセス、データの前処理、機械学習モデルと予測モデルの構築、モデル展開のためのツールを提供する MATLAB^® は、データサイエンスに適しています。

アプリを使用したり、わずか数行の MATLAB コードを使用したりすることで、アルゴリズムの設計、データの準備とラベル付け、もしくはコード生成と組み込みシステムへの展開などの作業に、統計学習、機械学習、および深層学習技術をご活用いただけます。以下に関して、AI のモデル化とデータ近似ワークフローを専用ツールで拡張できます。

イメージ、ビデオ、信号、オーディオ、テキストなどのデータ型
コンピュータービジョン、オーディオおよび信号処理、テキスト解析、無線通信、自動運転などのアプリケーション

Workflow for AI from data preparation to modeling to system design and deployment

AI および統計向け製品

Deep Learning Toolbox

深層学習ネットワークの設計、学習、解析、およびシミュレーション

Statistics and Machine Learning Toolbox

統計および機械学習によるデータの解析とモデル化

Curve Fitting Toolbox

回帰、内挿および平滑化を使用した曲線や曲面によるデータへの近似

Text Analytics Toolbox

テキストデータの解析とモデル化

トピック

AI の基礎

MATLAB の機械学習 (Statistics and Machine Learning Toolbox)
自動化されたモデル学習やコード生成用のアプリなど、分類、回帰、クラスタリングおよび深層学習用の MATLAB の機械学習機能について理解します。
MATLAB による深層学習 (Deep Learning Toolbox)
畳み込みニューラルネットワークを使用して分類や回帰を行う MATLAB の深層学習機能を確認します。これには、事前学習済みのネットワークと転移学習のほか、GPU、CPU、クラスター、およびクラウドでの学習が含まれます。
強化学習とは (Reinforcement Learning Toolbox)
強化学習は目標指向型の計算手法で、コンピューターが不確実な動的環境とやり取りすることによってタスクの実行を学習します。

AI のモデル化

分類学習器アプリにおける分類モデルの学習 (Statistics and Machine Learning Toolbox)
自動、手動および並列学習など、分類モデルの学習、比較および改善を行うためのワークフローです。
回帰学習器アプリにより回帰モデルに学習をさせる (Statistics and Machine Learning Toolbox)
自動、手動および並列学習など、回帰モデルの学習、比較および改善を行うためのワークフローです。
ディープネットワークデザイナーを使用したネットワークの構築 (Deep Learning Toolbox)
ディープネットワークデザイナーを使用して、深層学習ネットワークを対話形式で構築および編集します。

シミュレーションと展開

深層学習を使用したバッテリー充電状態の推定 (Deep Learning Toolbox)
要件の定義、データの準備、深層学習ネットワークの学習、ロバスト性の検証、Simulink へのネットワークの統合、モデルの展開を行う。 (R2024b 以降)
深層学習ネットワークのコード生成 (GPU Coder)
ResNet などのイメージ分類ネットワーク用の CUDA^® コード生成を開始する。
車線検出と車両検出を実行する深層学習 Simulink モデルのコード生成 (Embedded Coder)
この例では、畳み込みニューラルネットワーク (CNN) を使用して車線検出と車両検出を実行する Simulink® モデルから C++ コードを生成する方法を示します。

注目の例

深層学習ネットワークを使用した Simulink での時系列の予測

この例では、Simulink® モデル内で LSTM 深層学習ネットワークを使用し、エンジンの残存耐用年数 (RUL) を予測する方法を示します。ここでは、Stateful Predict ブロックを使用してこのネットワークを Simulink モデルに組み込み、シミュレーションステップごとに RUL を予測させます。

(Deep Learning Toolbox)