Rodzina produktów MATLAB

MATLAB

• Edytor: Nowe możliwości refaktoryzacji kodu i edycji bloków, a także ulepszone sugestie kodu, uzupełnianie kodu i debugger
• Interfejs Pythona: Uruchamianie skryptów i poleceń Pythona z poziomu MATLABa
• BackgroundPool: Uruchamianie funkcji MATLABa w wątku w tle
• Live Editor Tasks: Interaktywne podsumowywanie, przekształcanie i filtrowanie grup danych (przetwarzanie danych według grup) oraz centrowanie i skalowanie danych (normalizacja
  danych)
• Funkcja trenddecomp: Znajdowanie trendów w danych
• HDF5: Wsparcie dla HDF5 w wersji 1.10, w tym Single-Writer/Multiple-Reader (SWMR), Virtual Dataset (VDS) i dostrajanie pamięci podręcznej metadanych
• Sprzęt: Nowe aplikacje do komunikacji z urządzeniami z użyciem portów szeregowych (serial explorer) i TCP/IP (TCP/IP explorer)
• Funkcje ode78 i ode89: Wykorzystywanie metody Rungego-Kutty wyższego rzędu do rozwiązywania równań różniczkowych zwyczajnych
• Projekty: Organizacja, zarządzanie i udostępnianie swojej pracy za pomocą projektów w MATLAB Online

Lidar Toolbox

• Lidar Viewer App: Interaktywna wizualizacja, analiza i wstępne przetwarzanie chmury punktów pomiarowych za pomocą aplikacji Lidar Viewer
• Aerial Lidar Processing: Zastosowanie algorytmów głębokiego uczenia i SLAM w przetwarzaniu danych z lidaru lotniczego

Wavelet Toolbox

• Ekstrakcja cech na potrzeby uczenia maszynowego i głębokiego uczenia: Analiza sygnału i obrazu, wstępne przetwarzanie i ekstrakcja cech za pomocą technik falkowych i interaktywnych aplikacji dla modeli SI
• Akceleracja i wdrażanie: Przyspieszenie algorytmów falkowych przy użyciu procesorów wielordzeniowych i GPU; generacja kodu do prototypowania oraz wdrażania do systemów wbudowanych

Rodzina produktów Simulink

Simulink

• Multiple Simulations Panel: Uruchamianie wielu symulacji dla różnych scenariuszy z edytora Simulink
• Karty niestandardowe: Tworzenie niestandardowych kart paska narzędzi Simulink
• Minimapa: Określanie kontekstu podczas przeglądania części schematu blokowego

Stateflow

• Węzły wejściowe i wyjściowe: Tworzenie węzłów wejściowych i wyjściowych z pominięciem ograniczeń hierarchicznych

System Composer

• Fizyczne interfejsy z Simscape: Tworzenie fizycznych interfejsów, portów i połączeń na komponentach
• Architektury oprogramowania: Tworzenie architektury oprogramowania z istniejących komponentów
• Obsługa jarzm testowych: Tworzenie jarzm testowych dla komponentów System Composer

Simulink Compiler

• Dostrajanie parametrów w czasie wykonywania: Dostrajanie parametrów podczas uruchomionej symulacji

Systemy sterowania

Simulink Control Design

• Model Reference Adaptive Control Block: Projektowanie i symulacja adaptacyjnych układów regulowania z modelem (MRAC)

Reinforcement Learning Toolbox

• Generacja nagród: Automatyczne generowanie funkcji nagród na podstawie specyfikacji kontrolera

Model Predictive Control Toolbox

• Nieliniowe MPC: Implementowanie wielostopniowych nieliniowych kontrolerów MPC z użyciem Embotech FORCESPRO

System Identification Toolbox

• Nieliniowe modele ARX: Tworzenie modeli wykorzystujących funkcje regresji w oparciu o algorytmy uczenia maszynowego

Predictive Maintenance Toolbox

• Diagnostic Feature Designer: Sortowanie cech bez etykiety i generowanie cech spektralnych dla charakterystycznych pasm częstotliwości usterek w maszynach wirujących

Układy radiowe i sygnały mieszane

RF PCB Toolbox^{* Nowy produkt}

• Nowy produkt do przeprowadzania analizy elektromagnetycznej płytek obwodów drukowanych

Signal Integrity Toolbox^{* Nowy produkt}

• Nowy produkt do symulacji i analizy szybkich łączy szeregowych i równoległych

Sztuczna inteligencja, nauka o danych i statystyka

Statistic and Machine Learning Toolbox

• Płytkie sieci neuronowe: Wykorzystanie płytkich sieci neuronowych w Simulinku jako bloków natywnych; możliwość zautomatyzowania dostrajania hiperparametrów
• Uczenie maszynowe: Wykorzystanie algorytmu k-średnich w Live skryptach oraz używanie lasu izolacji do wykrywania anomalii
• Wdrażanie: Eksportowanie modeli z aplikacji Classification and Regression Learner do MATLAB Production Server

Deep Learning Toolbox

• Sieci splotowe 1D: Tworzenie i trenowanie sieci dla danych sekwencyjnych i szeregów czasowych
• Deep Network Designer: Eksportowanie przeszkolonych sieci do Simulinku
• Neuronowe ODE: Wykorzystywanie głębokiego uczenia do rozwiązywania niesztywnych równań różniczkowych zwyczajnych za pomocą dlode45

Matematyka, statystyka i optymalizacja

Symbolic Math Toolbox

• Sugestie następnych kroków: Wprowadzenie wskazówek dotyczących następnych kroków przy pracy ze zmiennymi symbolicznymi dla MATLAB Live Editor

Global Optimization Toolbox

• Problem-Based Workflow: Rozwiązywanie niegładkich lub globalnych problemów optymalizacyjnych z użyciem opisu opartego na definicji problemu