La nueva versión de MATLAB y Simulink R2017a contiene 2 nuevos productos y actualizaciones en sus 85 productos existentes. A continuación, una breve descripción de los cambios más significativos, puede ampliar la información en la página oficial de MathWorks de la versión R2017a AQUÍ


    • Actualización interactiva de figuras en el Live Editor: título, etiquetas, leyenda y otras anotaciones. Además, la posibilidad de copiar resultados del Live Scripts en otras aplicaciones.​

 

  • MATLAB online: Accede a MATLAB a través del navegador web. Disponible gratis con la compra de algunas licencias. Ideal para profesores y alumnos que necesiten una versión liviana de MATLAB

Data Analytics y Machine Learning

Para darle más sentido a los datos la nueva versión R2017a incluye las siguientes actualizaciones:

    • Interfaz interactiva (Regression Learner App) para realizar regresiones empleando algoritmos de Machine Learning. Utilizando esta aplicación, puede explorar sus datos, seleccionar características, especificar esquemas de validación, crear diferentes modelos de aprendizaje supervisado y evaluar resultados.

 

  • Se amplía la capacidad de utilizar Tall Arrays en algoritmos como Máquinas de Soporte Vectorial (SVM), Clasificación Bayesiana (Naïve Bayes), Árboles de decisión y Regresión tipo LASSO. Con el objetivo de poderlos emplear en un flujo de datos de Big Data

  • El comando parsim permite ejecutar simulaciones en paralelo para explorar el espacio de diseño y probar los sistemas más rápidamente, en equipos de varios núcleos o en la nube
  • Realizar Streaming si emplea señales de entrada de gran tamaño procedentes de archivos MAT para no tener que cargar los datos en la memoria
  • Permite actualizar los modelos en Simulink de versiones anteriores a la nueva  versión con un click.
  • Puede integrar el código C generado en versiones anteriores con el código C de la nueva versión fomentando una reducción de costo en la verificación.

Deep Learning :

En la versión 2017a, MATLAB hace posible que ingenieros y científicos aprendan y apliquen aprendizaje profundo (Deep learning) más fácil y rápido, en problemas de visión artificial (computer visión).

  • Algoritmos de Aprendizaje profundo para entrenar redes neuronales convolucionales (CNN) para tareas de regresión, con soporte para computación distribuidas (GPUs, Cluster y en la nube)
  • Funciones para transferir los modelos previamente entrenados como AlexNet, VGG-16 y VGG-19. Además, poder importar modelos desde la librería Caffe
  • Visualización de las características aprendidas por los modelos de las redes neuronales convolucionales

Nuevos Productos:

    • Automated Driving System Toolboox: Un nuevo producto que ayuda a diseñar y probar sistemas de asistencia avanzada a la conducción (ADAS) y de conducción autónoma. Además de contar con algoritmos para realizar fusión de sensores (sensor fusión) y la simulación de escenarios de tráfico.

 

  • Powertrain Blockset:  Un nuevo producto que contiene librerías para sistemas de propulsión con modelos totalmente ensamblados. Permite por ejemplo realizar análisis de ahorro de combustible y el desarrollo de control. Contiene una librería de componentes para motores, transmisión y, batería, así como modelos de vehículos completos

Requerimientos del Sistema

Conoce los requerimientos del sistema para la nueva versión AQUÍ