Mathworks renforce l’apprentissage profond de ses outils

Rédigé par  jeudi, 04 octobre 2018 15:48

Dans leur version R2018b, Matlab et Simulink intègrent désormais la nouvelle boîte à outils Deep Learning.

L’américain Mathworks, l’éditeur de logiciels pour les calculs mathématiques (Matlab et Simulink), vient de mettre sur le marché leurs versions R2018b. Ils intègrent désormais des améliorations importantes dans le domaine de l’apprentissage profond (deep learning), avec de nouvelles fonctionnalités et la correction de bugs.

La nouvelle boîte à outils Deep Learning, qui remplace la Neural Network, fournit aux ingénieurs et aux scientifiques un cadre (framework) pour la conception et l’implémentation de réseaux de neuraux profonds. Les ingénieurs de traitement d’image, de vision, de traitement de signal et de systèmes peuvent désormais utiliser bien plus facilement Matlab pour des architectures complexes et améliorer les performances de leurs modèles.

Après avoir rejoint la communauté ONNX, Mathworks a intégré le nouveau convertisseur ONNX dans la version R2018b, ce qui permet l’importation et l’exportation de modèles depuis un framework supporté, tels que PyTorch, MxNet et TensorFlow.

« Désormais, les novices et les experts de l'apprentissage profond peuvent apprendre, appliquer et mener des recherches avancées avec Matlab en utilisant un flux de travail intégré, de la recherche au prototype en passant par la production », explique David Rich, directeur du marketing Matlab chez MathWorks.

Connectez-vous pour commenter

logo_80ans

05/03/2019 - 08/03/2019
Global Industrie
12/03/2019 - 14/03/2019
CFIA
13/03/2019 - 13/03/2019
Journée technique du CFM
26/03/2019 - 28/03/2019
Sepem industries Toulouse
01/04/2019 - 05/04/2019
Foire de Hanovre

Non classé
FAULHABER Spécialiste Systèmes d

Inventé par Dr. Fritz Faulhaber père et breveté en 1958, la bobine á bobinage oblique de FAULHABER [...]

Pour communiquer sur vos produits,
Jean-Guillaume CANUET
Directeur de Publicité
jgcanuet@newscoregie.fr - 01 75 60 28 54
Régulateur PID

La régulation a pour objectif de maintenir à un niveau prédéterminé un paramètre de process (une température, une pression, un niveau, un débit, une position, une vitesse, etc.). Pour ce faire, le régulateur agit sur une valeur réglante (pour par exemple commander une résistance chauffante, une vanne, un robinet, un moteur, etc.).

Le régulateur PID est de loin le régulateur le plus répandu et le plus facile à mettre en œuvre. Ce type de régulation (voir aussi la définition de ce terme) consiste à associer trois actions :

  • action proportionnelle (P) : la grandeur de sortie du régulateur est directement proportionnelle à l’écart entre la grandeur mesurée et la valeur de consigne. Avec ce type de régulation, la valeur mesurée n’atteint jamais la valeur de la consigne : le rôle du régulateur est de minimiser cet écart.
  • action intégrale (I) : l’action intégrale permet d’annuler l’écart entre la mesure et la consigne et donc d’améliorer la précision de la régulation. Elle consiste à réaliser une intégration (au sens mathématique du terme) de l’écart. L’action intégrale est pratiquement toujours associée à une action proportionnelle.
  • action dérivée : celle-ci consiste à dériver (au sens mathématique du terme) l’écart entre la mesure et la consigne. L’action dérivée permet de raccourcir le temps de réponse de la régulation et de stabiliser la régulation (lorsque les variations de la grandeur contrôlée sont rapides). L’action dérivée est complémentaire de l’action proportionnelle.