MATLAB EXPO 2018 中国

主题演讲: 人工智能 & 你, 准备好了吗?

9:40–10:10

AI, 即人工智能,的出现,正在剧烈改变工程师、科学家与程序员开发产品和改善服务的方法。85%的管理人员期待通过使用AI而取得更强的竞争优势。然而,你的产品或业务准备好接受AI了吗?AI真的能改造你的研究、产品或业务吗?

在本次演讲中,MathWorks全球产品市场经理赵志宏(John Zhao)将为您揭秘AI,带您探索如何在工作中巧妙运用AI。通过具体实例您也将了解到,很多专业的软硬件工程师及数据科学家如何使用MATLAB®与Simulink®,将他们的成果赋予人工智能的能力。

赵志宏
赵志宏,全球产品市场部经理,MathWorks总部

基于模型设计在机载安全关键领域中的应用

10:10–10:35

随着飞机系统越来越多的功能交由软件实现,机载软件的复杂性急剧增长,传统的机载软件设计、编码、测试手段已经无法应对质量和效率的双重挑战,基于模型的软件设计、验证、代码自动生成等先进技术的应用极大提高了航空系统软件研发的效率与质量,大幅缩短研发测试周期。

本演讲针对基于模型设计在机载安全关键领域的应用,同时从开发技术、测试验证技术和项目管理等维度,结合理论分析及自控所软件研发的典型场景,通过精彩的案例介绍,详细阐述了MATLAB/Simulink 开发平台在机载软件设计开发中的重要作用,并对 MATLAB/Simulink 开发平台在高复杂度机载软件开发中的具体实施及流程设计给予充分的展示和探讨。

武方方
武方方博士,软件工程中心主任 / 研究员,中航工业西安飞行自动控制研究所

基于 MATLAB 的电动车辆电机控制器的开发

10:35–11:00

电机控制器(MCU)作为电动车辆电力电子及驱动系统的核心部件,在车载电源和负载之间承担了桥梁和调度者的角色,随着工况复杂化和应用需求的不断提升,可靠、高效地完成 MCU 的设计开发并持续进行优化和迭代成为了工程技术人员面临的迫切问题。在本演讲中,将通过几述案例对如何利用 MATLAB 工具,并配合 MCU 设计开发工作进行展示和探讨

  • 基于 MATLAB 的 AUTOSAR 架构开发
  • 利用 Simulink 进行建模仿真
  • Embeded coder 代码生成
戴民
戴民博士, CEO, 安捷励电控技术南京有限公司

释放机器学习的力量

11:30–12:10

机器学习推动了许多应用领域的创新,包括预测性维护、数字健康和病人监护、财务组合预测以及高级辅助驾驶。开发机器学习模型并将其部署到嵌入式系统或云基础设施上,通常还需要大量的信号处理、大数据和模型优化方面的专门知识。

在本次演讲中,谈到了MATLAB®协助没有过多信号处理与机器学习专业知识的工程师和科学家对应以下挑战,如:

  • 从时间、频率和时间域检测和提取信号中的特征
  • 时序信号的高级信号处理与迁移学习技术
  • 评估多个模型并处理大数据
  • 性能优化,包括超参数调整
阮卡佳
阮卡佳,应用工程师,MathWorks中国

揭秘深度学习

13:30–14:10

深度学习在许多传统机器学习几乎无解的任务上,比如场景中的目标分类,环境中最佳路径的识别等问题,取得了令人印象深刻的成就,精度惊人。

在这次演讲中,你将获得深度学习领域的实用知识,发掘MATLAB®的新特征,简化深度学习任务,并消除底层繁杂的编程。从原型到产品,你可以通过演示看到如何构建、训练神经网络,并参与讨论如何把一个模型自动转化成 CUDA®源代码,并原生运行于GPU硬件之中。

Bill Chou
Bill Chou,代码生成产品市场经理,MathWorks总部

深度学习与时间序列分析

14:10–14:50

深度学习应用开发如火如荼,尤其在图像与计算机视觉领域,以卷积神经网络(CNN)为代表的算法模型取得了优异的表现。

本次演讲,我们将介绍其他热门的应用领域,如智能语音识别、金融算法交易、情绪分析、文本数据分类、预测性维护等,利用 MATLAB® 开发高效的长短期记忆网络(LSTM)模型,对时间序列进行预测与分类。

阮卡佳
阮卡佳,应用工程师,MathWorks中国

嵌入式GPU和CPU的深度学习网络部署

15:20–16:00

由于嵌入式设备与生俱来的资源限制,设计并部署深度学习或计算机视觉应用到嵌入式CPU或者GPU平台中,是一个颇具挑战的工作。基于MATLAB®的工作流程便于设计这类应用程序,自动生成的C或CUDA®代码可以部署在Jetson TX2和DRIVE™PX等开发板上,并实现高速推断。

本次演讲将介绍在MATLAB如何开发深度学习应用的所有阶段。首先,从针对计算机视觉的深度学习网络的设计开始,并在MATLAB进行算法测试和验证。接下来,将演示在桌面、集群或者云上使用GPU和MATLAB并行计算进行训练。随后,GPU Coder™ 从MATLAB算法中自动生成可移植、优化的C/C++ 和/或 CUDA®代码。最后,将其交叉编译并部署到CPU和/或Tegra® 开发板。基准测试表明,自动生成的CUDA代码的性能比MXNet快大约2.5倍,比Caffe2快5倍,比TensorFlow®快7倍,并且与TensorRT™实现相当。

Bill Chou
Bill Chou,代码生成产品市场经理,MathWorks总部

开发机器人及无人系统算法

16:00–16:40

机器人研究人员和开发工程师使用MATLAB®和Simulink®设计并调试感知,规划和控制算法。建立真实系统模型,并自动生成代码——均在一个软件环境内。

通过这次演讲,你将了解如何开发具有多种传感器,需要持续规划和决策,并有控制和运动需求的复杂无人系统。基于模型设计可以将这些技术连接起来并无缝地工作。基于模型设计注重在整个开发流程中使用系统模型用于设计、分析、仿真和自动代码生成及验证。通过一个工业控制案例,你将看到如深度学习这样的感知算法中的技术,可以与动作规划算法集成并控制一个商业级机械臂。

郭文彦
郭文彦,高级应用工程师,MathWorks中国

信号处理技术在工程数据分析中的应用

11:30–12:10

低成本和高保真度传感器的普及使我们很容易地获得大量的信号,有效地了解导致这些变化的潜在的原因。然而,由于信号通常会含有被噪声,而且受到频谱相近的信号的干扰,开发分析算法、分析采集到的数据可能会具有挑战性。在这些情况下,清理信号而又不影响信号的整体形状就变得至关重要了。

在这个讲座里,我们将向你展示如何使用传统的信号处理技术和先进的信号处理技术来预处理和分析信号以洞察信号的内涵。你将会看到使用MATLAB®中的先进的信号处理技术来轻松地分析信号并开发算法。讲座主要介绍信号处理工具箱和Wavelet Toolbox™工具箱中的新功能,通过具体实例演示它们在数据分析和机器学习中的应用。

陈建平
陈建平,高级应用工程师,MathWorks中国

MATLAB与开源软件集成

13:30–14:10

MATLAB®提供包括Python在内的多种编程语言灵活双向的集成。由此可让不同的开发团队协同将MATLAB算法与生产系统集成。

本次研讨会将介绍几种与Python集成的方法:用MATLAB调用Python,用Python调用MATLAB,和发布MATLAB到网络应用程序。

王燚
王燚, 应用工程经理,MathWorks美国

从创意到生产:MATLAB与企业系统集成

14:10–14:50

如何让你的创意从研究走向生产,MATLAB®提供了整套产品和方案,可以将MATLAB代码直接部署到企业系统中,并且可以与数据源和业务系统相集成。同时,MATLAB代码可以与其他语言集成,使您能够在Web和生产系统中部署MATLAB开发的算法和应用程序。

这次演讲着重介绍如何将MATLAB平台和工具箱开发的算法,与MATLAB Production Server™相结合,部署到企业系统中,内容涉及MATLAB代码在企业系统中部署的全流程。同时,上海电气的首席项目负责人将向大家介绍如何利用MATLAB Production Server构建国内首款面向设计咨询、配置优化以及投资分析的分布式能源解决方案平台 (DES-PSO)。

马文辉
马文辉, 高级应用工程师,MathWorks中国
古云蛟
古云蛟, 上海电气

MATLAB与Spark/Hadoop相集成:实现大数据的处理和价值挖掘

15:20–16:00

数据资源正呈现出其巨大的价值。然而,面对海量的数据,我们不仅仅要考虑数据自身的属性,例如量级、多样性等,同时还需要考虑如何挖掘数据潜在的价值,例如算法、计算能力等。MATLAB®作为工具化的软件为大数据处理与价值挖掘提供了一整套的方法和计算能力。

这次演讲着重介绍MATLAB在大数据处理与数据挖掘方面提供的新能力。将MATLAB的MATLAB Distributed Computing Server™与Spark™/Hadoop®相结合,实现对大规模数据集合的访问和数据预处理,以及利用MATLAB机器学习算法进行大数据的价值挖掘。同时,结合收集的汽车运行时数据,演示在MATLAB Distributed Computing Server/Spark/Hadoop集群上,MATLAB的大数据访问、预处理及模型训练的全过程。

马文辉
马文辉, 高级应用工程师,MathWorks中国

高可扩展的MATLAB云端工程数据分析

16:00–16:40

随着流数据技术和大规模云基础设施的崛起,工程数据的体量和增长速度持续加速。MATLAB®访问、处理和分析工程数据集的能力,伴随着这类数据的规模和类型的增加而同步增长。

这次演讲着重介绍作为数据分析基础平台的MATLAB,同一流的流处理架构和云基础设施的结合,催生出接近实时分析的机器学习的云端应用。我们将演示如何使用MATLAB产品服务器(MATLAB Production Server™)部署机器学习模型在Apache™ Kafka®流数据之上。你将看到从算法开发,到针对真实世界问题的在云端部署的完整流程。

陈建平
陈建平,高级应用工程师,MathWorks中国

飞机机电系统的一体化设计

11:30–12:10

机电系统包括不同物理域的元器件,比如电机、放大器、编码器等等。将这些零部件与机械以及控制系统进行集成仿真,对于优化整个系统性能来说至关重要。同时,为了确保仿真测试的效率,MathWorks 提供了各种不同的办法来轻松的权衡模型复杂度和仿真速度。由于模型能自动生成 C 代码,也让工程师们能将基于模型的设计应用于整个系统,包括控制器与被控对象。

杨兴
杨兴,高级项目工程师,MathWorks中国

软硬件协同设计在电机控制的应用

13:30–14:10

电机的应用十分广泛且不断出现新的应用领域,电机控制技术也逐渐进化到新的平台,如结合了嵌入式处理器和可编程门阵列FPGA的Xilinx® Zynq®

本场演讲将介绍如何协同生成C代码和HDL代码以用于Xilinx Zynq SoC,同时探索基于Zynq SoC的电机控制开发的实用方法,如HDL调试功能和浮点算法生成等。

龚小平
龚小平,高级应用工程师,MathWorks中国

自动化提高设计质量的最佳实践

14:10–14:50

在开发高完整性以及任务关键系统的过程中,多年的工程经验和最佳实践形成了行业标准基础。这些标准包含各种提高设计质量的指南。

在本演讲中,你将学习如何利用ISO 26262、DO-178/DO-331、IEC 61508、 MISRA®以及其他标准,早期地发现工作流程中的错误并提高Simulink®模型的质量。

吴菁
吴菁,高级应用工程师,MathWorks中国

使用全新的MATLAB和Simulink加速自动驾驶开发

15:20–16:00

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®,我们能够高效、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
王鸿钧
王鸿钧,应用工程师,MathWorks中国

将算法部署到FPGA/ASIC硬件

16:00–16:40

计算密集型算法通常需要部署在FPGA或ASIC硬件上。传统的实现方法在很大程度上依赖于对硬件的深入了解,并依赖易错和劳动密集的硬件描述语言(HDL)。

本次演讲可以了解,如何使你的算法适应硬件架构,将双精度数据转换为更具资源效率的类型,针对你的目标器件进行优化,自动编程FPGA,并在每一步验证,以确保功能与原算法一致。 我们将演示如何将算法,部署到软硬件合一的SoC FPGA的硬件上。

单博
单博,高级应用工程师,MathWorks中国

关注MATLAB官方微博
微信公众平台