MathWorks anuncia la versión 2017b de las familias de productos de MATLAB y Simulink

MathWorks ha presentado hoy la versión 2017b (R2017b), que ofrece nuevas funciones en MATLAB y Simulink, así como seis nuevos productos y actualizaciones y correcciones para otros 86 productos. Esta versión también añade importantes capacidades nuevas de aprendizaje profundo que simplifican la forma en que los ingenieros, investigadores y otros expertos diseñan, entrenan y despliegan modelos. 

Compatibilidad con el aprendizaje profundo

Entre las funciones, los productos y las capacidades específicas para el aprendizaje profundo de la versión R2017b se encuentran: 

• Neural Network Toolbox ofrece ahora compatibilidad con arquitecturas complejas, incluidas las redes DAG (grafo acíclico dirigido) y LSTM (memoria de corto-largo plazo), además de proporcionar acceso a modelos populares previamente entrenados, tales como GoogLeNet. 
• La aplicación Image Labeler de Computer Vision System Toolbox proporciona ahora una forma cómoda e interactiva para etiquetar datos de validación en terreno en una secuencia de imágenes. Además de los flujos de trabajo de detección de objetos, esta toolbox también admite ahora la segmentación semántica mediante aprendizaje profundo para clasificar regiones de píxeles en las imágenes, así como evaluar y visualizar los resultados de la segmentación. 
• Un nuevo producto, GPU Coder, convierte automáticamente los modelos de aprendizaje profundo en código de CUDA destinado a GPUs de NVIDIA. Las comparativas internas muestran que el código generado para la inferencia mediante aprendizaje profundo obtienen un rendimiento hasta siete veces superior al de TensorFlow y cuatro veces y media superior al de Caffe2 en el caso de los modelos desplegados.* 
  

Además de las capacidades introducidas en la versión R2017a, se pueden emplear modelos previamente entrenados para el aprendizaje por transferencia, incluidos modelos de redes neuronales convolucionales (CNN) (AlexNet, VGG-16 y VGG-19), así como modelos de Caffe (incluido Caffe Model Zoo). Los modelos se pueden desarrollar desde cero, lo cual incluye el uso de redes CNN para la clasificación de imágenes, la detección de objetos, la regresión, etc.

“Con el desarrollo de los dispositivos inteligentes y de Internet de las cosas, los equipos de diseño se enfrentan al reto de crear productos y aplicaciones más inteligentes mediante el desarrollo por su cuenta de habilidades relacionadas con el aprendizaje profundo o confiando en otros equipos con experiencia en aprendizaje profundo que pueden no comprender el contexto de la aplicación”, según afirma David Rich, director de marketing de MATLAB en MathWorks. “Con la versión R2017b, los equipos de ingeniería e integración de sistemas pueden ampliar el uso de MATLAB para el aprendizaje profundo a fin de aumentar el control sobre todo el proceso de diseño y lograr diseños de mayor calidad con más rapidez. Pueden emplear redes previamente entrenadas, colaborar en el código y los modelos, y realizar el despliegue en GPUs y dispositivos embebidos. El uso de MATLAB puede aumentar la calidad del resultado, a la vez que se reduce el tiempo de desarrollo del modelo gracias a la automatización del etiquetado de validación en terreno.”
   

Actualizaciones adicionales

Además del aprendizaje profundo, la versión R2017b también incluye una serie de actualizaciones en otras áreas clave, tales como:

• Análisis de datos con MATLAB
  • El nuevo producto Text Analytics Toolbox, un almacén de datos ampliable, más gráficos y algoritmos de big data para aprendizaje automático y compatibilidad con el almacenamiento de blobs mediante Microsoft Azure.
    
• Modelado de software en tiempo real con Simulink
  • Modele los efectos de la planificación e implemente componentes utilizables en los entornos de software.
    
• Verificación y validación con Simulink
  • Nuevas herramientas para modelado de requisitos, análisis de cobertura de pruebas y comprobación de conformidad. 

La versión R2017b ya está disponible en todo el mundo. Para obtener más detalles sobre la lista completa de actualizaciones, visite la página de la nueva versión.