Erweiterte Funktionen für KI, Signalverarbeitung und statische Analysen

MathWorks hat das Release 2019a von Matlab und Simulink vorgestellt. Dies umfasst neue Produkte und wichtige Verbesserungen in den Bereichen künstliche Intelligenz (KI), Signalverarbeitung und statische Analysen sowie neue Funktionen und Bugfixes in allen Produktfamilien.

Mit R2019a wird die Reinforcement Learning Toolbox eingeführt, die den MATLAB-Workflow für KI weiter verbessert. Die neue Toolbox unterstützt eine Art von Machine Learning, mit der ein „Agent“ durch wiederholte Trial-and-Error-Interaktionen mit einer Umgebung trainiert wird, um Steuerungs- und Entscheidungsprobleme zu lösen.

Die Toolbox soll das Engagement des Unternehmens für KI unterstreichen, nachdem bereits im vergangenen Herbst mit R2018b die Deep Learning Toolbox eingeführt wurde. Diese wurde um eine Unterstützung für Nvidia GPU Cloud, Amazon Web Services und Microsoft Azure sowie um Interoperabilität mithilfe des ONNX-Austauschformats erweitert. Außerdem gehören zur KI-Unterstützung in R2019a wesentliche Erweiterungen der Computer Vision Toolbox, Data Acquisition Toolbox und Image Acquisition Toolbox.

„Eine der größten Herausforderungen im Bereich KI auf dem Weg vom Hype zur Produktion besteht darin, dass Unternehmen ‚KI-Experten‘ einstellen und anschließend versuchen, ihnen Ingenieurkenntnisse beizubringen. Dagegen unterstützt MathWorks mit R2019a Ingenieure darin, ihre KI-Kompetenz schnell und effektiv zu erweitern; sei es für die Entwicklung von Steuerungen und Entscheidungssystemen mit Reinforcement Learning, das Trainieren von Deep-Learning-Modellen auf Nvidia DGX- und Cloud-Plattformen oder die Anwendung von Deep Learning auf 3D-Daten“, erklärt David Rich, Matlab Marketing Director bei MathWorks.

Neue Funktionen für die Signalverarbeitung

R2019a enthält mehrere neue Signalverarbeitungs- und Kommunikationsprodukte zur Unterstützung der Wireless- und Elektronikentwicklung, unter anderem folgende:

  • Mixed-Signal Blockset – ein Simulink-Add-On, das eine schnelle Modellkonstruktion, schnelle Simulation und detaillierte Einblicke in Entwurfsmodelle für Mixed-Signal-Systeme mit speziellen Analyse- und Visualisierungstools bietet;
  • SerDes Toolbox – ein Matlab- und Simulink-Add-On, das die SerDes Designer-App zum schnellen Entwerfen, Analysieren und Modellieren von Sendern und Empfängern der kabelgebundenen Kommunikation zur Verfügung stellt;
  • SoC Blockset – ein Simulink-Add-On für die Simulation und Untersuchung von FPGA-, ASIC- und SoC-Architekturen, die Ko-Simulation von Algorithmen und Hardwareplattformen sowie die Leistungsüberwachung und Engpasserkennung.

Statische Analyse

R2019a umfasst auch wesentliche Fortschritte in der Polyspace-Produktfamilie des Unternehmens für statische Analysen. Hierzu gehören neue Möglichkeiten für den unternehmensweiten Einsatz dieser Produkte für Entwurf und Entwicklung von sicherheits- und geschäftskritischer Software:

  • Polyspace Bug Finder Access und Polyspace Code Prover Access sind neue Polyspace-Produkte, welche die Zusammenarbeit in Teams mit bis zu mehreren hundert Mitgliedern unterstützen. Die neuen Produkte bieten eine web-basierte Benutzeroberfläche für den Zugriff auf die Ergebnisse der statischen Code-Analyse mit Polyspace und Qualitätsmetriken, die in einem zentralen Repositorium gespeichert werden.Polyspace Bug Finder Server und Polyspace Code Prover Server sind neue Polyspace-Produkte, mit denen die Engine für statische Analysen mit Build-Automatisierungstools auf einem Servercomputer ausgeführt werden kann. Die neuen Produkte automatisieren und integrieren Polyspace in Softwareentwicklungsprozesse, um automatisch die erkannten Fehler dem jeweils zuständigen Entwickler zuzuweisen, Benachrichtigungen zu senden und Ergebnisse in Polyspace Access-Produkte hochzuladen.  

R2019a ist ab sofort verfügbar. Informationen zu allen neuen Produkten, Erweiterungen und Fehlerbehebungen in den MATLAB- und Simulink-Produktfamilien finden sich im Video zu den Highlights in R2019a: https://www.mathworks.com/products/new_products/latest_features.html

Bild: Reinforcement Learning Toolbox: Lauf-Training eines zweibeinigen Robotors mit dem DDPG-Agent © MathWorks

0
RSS Feed

Hat Ihnen der Artikel gefallen?
Abonnieren Sie doch unseren Newsletter und verpassen Sie keinen Artikel mehr.

Mit einem * gekennzeichnete Felder sind Pflichtfelder!

CAPTCHA
Diese Frage stellt fest, ob du ein Mensch bist.

Neuen Kommentar schreiben

Entdecken Sie die Printmagazine des WIN-Verlags