在线直播 | 深度学习提高课堂——快速实现 AI 驱动系统原型（小迈步）

从基于深度学习的视觉感知到使用强化学习开发机器人控制策略，人工智能技术在工业领域的应用越来越多样。

深度神经网络 (DNN) 不仅擅于识别图像、预测时序信号，通过模仿学习，你还可以用 DNN 替代复杂的控制策略，对高保真度的物理模型进行降阶简化，从而加快推理或仿真速度。

在 MATLAB 中，你可以实现深度神经网络建模、训练和应用部署。

如果你希望充分借助数据和模型的力量，将深度神经网络与传感器融合、信号处理、传统控制以及物理建模等环节进行集成，那么不妨尝试在 Simulink 中，构建一个 AI 驱动系统，进行快速原型开发。

神经网络黑盒模型在生产系统中的动态行为是否和预期相符？怎样通过桌面快速原型，测试神经网络的功能和可靠性？

本次讲座将通过具体实例，帮助你掌握更多 MATLAB 深度学习技巧，并熟悉如何使用 Simulink 仿真，结合软件和环境模型，对深度神经网络进行闭环仿真测试，并直接生成 C/C++ 或 CUDA 代码，进行 PIL、HIL 测试和嵌入式硬件部署。

◆ ◆ ◆ ◆

2021 小迈步第二课：

深度学习提高课堂——

快速实现 AI 驱动系统原型

课程直播时间：

4 月 27 日 | 19:00-20:30

(今年的小迈步系列课程都提前到晚上7点咯！)

亮点包括：

学习激励

演讲者：

袁航，MathWorks 中国应用工程师，专注于数据科学和人工智能应用。曾任职于林德液压（德国），从事计算编程、流体仿真和系统建模。硕士毕业于北京航空航天大学机械电子工程专业。

产品聚焦：

长按识别二维码立即注册：

* 进入微信菜单-支持-近期活动与培训，查看更多近期课程和活动。

2021 年小迈步系列主题预告，敬请关注：

小迈步第三课：图像处理与计算机视觉，6月22日

小迈步第四课：无人机系统建模仿真，9月14日

小迈步第五课：计算生物学，10月26日

小迈步第六课：控制系统设计，11月23日

小迈步第七课：MATLAB数据科学，12月14日

点击阅读原文，回看往期微直播！