MATLAB-光衍未来

MATLAB

服务简介：

立即咨询

服务内容

MATLAB 科学计算平台
数学·图形·编程
无论是分析数据、开发算法还是创建模型， MATLAB 都是针对您的思维方式和工作内容而设计的。
数百万工程师和科学家信赖 MATLAB
MATLAB 将适合迭代分析和设计过程的桌面环境与直接表达矩阵和数组运算的编程语言相结合。专业开发MATLAB 工具箱经过专业开发、严格测试并拥有完善的帮助文档。
包含交互式应用程序
MATLAB 应用程序让您看到不同的算法如何处理您的数据。在您获得所需结果之前反复迭代，然后自动生成 MATLAB 程序，以便对您的工作进行重现或自动处理。
以及扩展能力只需更改少量代码就能扩展您的分析在群集、GPU 和云上运行。无需重写代码
或学习大数据编程和内存溢出技术。
让您的创意从研究迈向生产
部署到企业应用程序 MATLAB 代码可直接用于生产，因此您可以直接部署到云和企业系统，并与数据源和业务系统集成。在嵌入式设备上运行自动将 MATLAB算法转换为 C/C++ 和 HDL 代码，从而在嵌入式设备上运行。
与基于模型的设计集成 MATLAB 与 Simulink 配合以支持基于模型的设计，用于多域仿真、自动生成代码，以及嵌入式系统的测试和验证。
Parallel Computing Toolbox
在多核计算机、GPU 和集群上执行并行计算该工具箱通过在本地运行的 worker（MATLAB 计算引擎）上执行应用程序，允许你充分利用多核台式机的处理能力。无需更改代码，即可在集群或云上运行同一个应用程序（使用 MATLAB ParallelServer™）。还可以将该工具箱与 MATLAB Parallel Server 结合使用，以执行由于1太大而无法装入单台机器内存的矩阵计算。
使用多核计算机加速 MATLAB ，使用并行 for 循环 (parfor) 可在多核 CPU上并行运行独立迭代，以解决诸如参数扫描、优化和 Monte Carlo 仿真等问题。
parfor 会自动创建并行池并管理文件依赖性，让你可以专注于自己的工作。多个MATLAB 和 Simulink 产品中的主要函数包含支持并行的函数。借助 ParallelComputing Toolbox，这些函数可以将计算分布到可用的计算资源上可以通过交互方式和批处理方式执行并行应用程序。
使用 GPU 加速 MATLAB
Parallel Computing Toolbox 可让你借助 GPUArray 直接从 MATLAB 使用NVIDIA® GPU。有 500 多个 MATLAB 函数可在 NVIDIA GPU 上自动运行，包括fft、元素级运算和几种线性代数运算，如 lu 和 mldivide（也称作反斜杠运算符(\)）。多个 MATLAB 和 Simulink 产品（如 Deep Learning Toolbox）中的主要函数都包含支持 GPU 的函数。无需编写任何额外代码即可使用 GPU，从而可让你专注于应用程序本身而不是性能调优。高级开发人员可以直接从 MATLAB 调用自己的CUDA 代码。可以利用台式机、计算集群和云环境上的多个 GPU。
处理大数据
Parallel Computing Toolbox 扩展了 MATLAB 中内置的 tall 数组和mapreduce 功能，让你能够在本地 worker 上运行，以提高性能。随后你可以在传统集群或 Apache Spark™ 和 Hadoop® 集群上使用 MATLAB Parallel Server 将
tall 数组和 mapreduce 扩展到额外资源。还可以在台式机上用 distributed array进行原型设计，然后使用 MATLAB Parallel Server 扩展到额外资源。
Symbolic Math Toolbox
执行符号数学计算符号数学工具箱™提供了用于求解、绘制和操作符号数学方程的函数。您可以使用MATLAB®实时编辑器创建、运行和共享符号数学代码。工具箱提供常用数学领域的函数，如微积分、线性代数、代数和常微分方程、方程简化和方程处理。
符号数学工具箱允许您分析执行微分、积分、简化、变换和方程求解。您可以使用SI和US单位系统执行维度计算和转换。您的计算可以通过分析或使用可变精度算法来执行，结果显示在数学排版中。
2您可以将符号工作作为实时脚本与其他 MATLAB 用户共享，或者将它们转换为HTML 或 PDF 以供发布。您可以直接从符号表达式生成 MATLAB 函数、Simulink®函数块和 Simscape™方程。
Partial Differential Equation Toolbox
用有限元法求解偏微分方程
偏微分方程工具箱™提供了使用有限元分析求解结构力学、传热和一般偏微分方程(PDEs)的函数。您可以执行线性静态分析来计算变形、应力和应变。对于结构动力学和振动的建模，工具箱提供了一个直接的时间积分求解器。您可以通过执行模态分析来找到固有频率和振型，从而分析组件的结构特性。你可以模拟传导-主导传热问题来计算温度分布、热通量和通过表面的热流率。您还可以解决标准问题，如扩散、静电学和磁静力学，以及定制的偏微分方程。
偏微分方程工具箱允许您从 STL 或网格数据导入 2D 和 3D 几何图形。可以自动生成包含三角形和四面体元素的网格。您可以使用有限元方法求解偏微分方程，并对后期结果进行探索和分析。
Statistics and Machine Learning Toolbox
运用统计与机器学习进行数据分析及建模Statistics and Machine Learning Toolbox™ 提供用来描述、分析数据和对数据建模的函数和应用程序。您可以使用描述性统计和绘图进行探查数据分析，对数据进行概率分布拟合，生成用于 Monte Carlo 仿真的随机数，以及执行假设检验。回归和分类算法用于依据数据执行推理并构建预测模型。
对于多维数据分析，Statistics and Machine Learning Toolbox 提供特征选择、逐步回归、主成分分析 (PCA)、正则化和其他降维方法，从而确定影响您的模型的变量或特征。
该工具箱提供了监督和非监督机器学习算法，包括支持向量机 (SVM)、促进式(boosted) 和袋装 (bagged) 决策树、k-最近邻、k-均值、k-中心点、分层聚类、3高斯混合模型和隐马尔可夫模型。许多统计和机器学习算法可以用于大到无法在内存中存储的数据集的计算。
Curve Fitting Toolbox™ 提供一个 App 和多个函数，可对数据进行曲线和曲面拟合。使用该工具箱可以执行探索性数据分析，预处理和后处理数据，比较候选模型，以及删除离群值。您可以使用工具箱提供的线性和非线性模型库进行回归分析，也可以指定自定义方程。该库提供优化的求解器参数和起始条件，以提高拟合质量。该工具箱还提供非参数化建模方法，如样条、插值和平滑。
在创建一个拟合之后，您可以运用多种后处理方法进行绘图、插值和外插，估计置信区间，并可计算积分和导数。
Optimization Toolbox
求解线性、二次、整型及非线性最优化问题
Optimization Toolbox™ 提供了寻找最小化或最大化目标并同时满足约束条件的函数。工具箱中包括了线性规划 (LP)、混合整数线性规划 (MILP)、二次规划(QP)、非线性规划 (NLP)、约束线性最小二乘法、非线性最小二乘和非线性方程的求解器。可以利用函数和矩阵或通过指定反映底层数学原理的变量表达式来定义您的优化问题。
您可以使用该工具箱求解器寻找连续与离散问题的优化解决方案、执行折衷分析、以及将优化的方法结合到算法和应用程序中。该工具箱能够执行优化设计的任务，包括参数估计、组件选择和参数调优。可用来寻找投资组合优化、资源分配、生产计划与调度等应用中的最优解决方案。
Global Optimization Toolbox
求解多个极大值、多个极小值和非光滑优化问题
Global Optimization Toolbox 所提供的函数可为包含多个极大值或极小值的问题搜索全局解。工具箱求解器包括替代、模式搜索、遗传算法、粒子群、模拟退火、多初始点和全局搜索。对于目标函数或约束函数连续、不连续、随机、导数不存在或包含模拟或黑箱函数的优化问题，都可以使用这些求解器。对于有多个目标的问题，您可以使用遗传算法或模式搜索求解器确定帕累托前沿。
4您可以通过调整选项，或者对于适用的求解器，通过自定义创建、更新和搜索函数，从而提高求解器效率。可以使用自定义数据类型，配合遗传算法和模拟退火求解器，来描绘采用标准数据类型不容易表达的问题。利用混合函数选项，可在第一个求解器之后应用第二个求解器来改进解。
Deep Learning Toolbox
设计、训练和分析深度学习网络
您可以通过 ONNX 格式实现与 TensorFlow™ 及 PyTorch 间的模型交换，也可以从 TensorFlow-Keras 和 Caffe 导入模型。该工具箱支持基于 DarkNet-53、ResNet-50、NASNet、SqueezeNet 及其他多种预训练模型进行迁移学习。
您可以在单 GPU 或多 GPU 工作站上更快地训练模型（需要 ParallelComputing Toolbox™），或者将运算扩展到集群和云，例如 NVIDIA® GPU Cloud 和Amazon EC2® GPU 实例（需要 MATLAB Parallel Server™）。
Reinforcement Learning Toolbox
使用强化学习设计和训练策略
Reinforcement Learning Toolbox™ 使用强化学习算法（包括 DQN、A2C 和DDPG）为训练策略提供函数和块。您可以使用这些策略为复杂系统（如机器人和自主系统）实现控制器和决策算法。您可以使用深度神经网络、多项式或查找表来实现策略。
使用该工具箱，您可以通过让策略与 MATLAB® 或 Simulink® 模型代表的环境进行交互来训练策略。您可以评估算法，试验超参数设置并监控训练进度。为了提高训练性能，您可以在云端、计算机集群和 GPU 上并行运行仿真（使用 ParallelComputing Toolbox™ 和 MATLAB Parallel Server™）。
通过 ONNX™ 模型格式，可以从诸如 TensorFlow™ Keras 和 PyTorch 等深度学习框架导入现有策略（使用 Deep Learning Toolbox™）。您可以生成优化的 C、C++ 和 CUDA 代码，以便在微控制器和 GPU 上部署经过训练的策略。
Office 2019 轻松上手
5平滑切换炫酷动画轻松做静态图文瞬间活起来
平滑切换功能，可以让前后两页幻灯片的相同对象，产生平滑的过渡效果。它不需要设置繁琐的路径动画，只需要调整对象的位置、大小和角度，就能一键实现自然过渡的、无缝切换的动画效果，像是在同一张幻灯片中变换。
跨页面跳转演示
提升演示自由度和互动性
一直以来我们只能按照幻灯片的顺序来演示 PPT，现在通过【缩放定位】可实现跨页面跳转演示效果，按自己喜欢的任何顺序从一张幻灯片移动到另一张幻灯片。在不中断演示流程的情况下，向前跳转或重新访问幻灯片。从而大大提升演示的自由度和互动性。
为文档、工作表和演示文稿
增添视觉趣味
以前要在 PPT 中插入可灵活编辑的矢量图标，必须借助 Adobe Illustrator 等专业设计软件，再导入 PPT 中，使用起来非常麻烦。
现在 Office 2019 为您提供了包含 500 个不同类别图标的 SVG 图标库，可以在文档、工作簿、演示文稿和电子邮箱中轻松插入所需图标，之后即可旋转、着色和调整大小，且不会损失任何图像质量。轻轻一点，即可将文本内容自动翻译为您指定的语言支持 60 种以上语言：支持多达 60 多种不同的语言，涵盖了世界上大部分的主流语言，甚至包括粤语(繁体)！
简单易用：只要连接网络，选中文字简单点击几下，即可直接将大段大段的文本翻译为指定的语言。
发现数据中蕴含的见解趋势和机会Office 2019 Excel 提供更出色的缩放功能、全新的图表类型，旨在利用数据发
现洞见、趋势和机会的更多元素来丰富演示。此外，可视化图表类型 TimeLine 可以帮助你跟随时间的线性演进，按时间顺序展示一系列事件。
6新增函数
让 Excel 执行操作，为您效劳
在多条件下，使用 IF 函数需要多层条件嵌套，让人头昏眼花。现在 Excel 2019新增的 IFS（加个 S 表示多条件）函数，使用起来变得简单而直观。此外，还新增了文本连接的 Concat 函数和 TextJoin 函数更方便的阅读模式，提升阅读能力进入【视图-学习工具】模式后，你可以做以下调整：
【列宽】减少视觉上的拥挤感
【页面颜色】改变页面颜色，强调重点，改进文字背景的对比度
【文字间距】增加流畅度
【音节】将单词划分为字节，提高阅读技巧（适用于英语）
【朗读】随着文字朗读时跟进，改善阅读能力
这些功能帮助你更好地阅读内容。但并不会影响 Word 文档原本的内容格式，点击【关闭学习模式】便可回到原有 Word 格式界面。
语音朗读
了解或学习文章内容，可以用听的启用【语音朗读】，让 Word 为你从鼠标所在位置的内容开始朗读。通过工具栏，你还可以暂停、跳转上或下一行朗读，也可以调整阅读速度和选择不同声音的语音