La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.
Workflows d'IA de bout en bout
Utilisez Deep Learning Toolbox™ dans les workflows de bout en bout, notamment la définition des exigences, la préparation des données, l'apprentissage du réseau de neurones profond, la compression, les tests et la vérification du réseau, l'intégration Simulink et le déploiement.
Rubriques
- Battery State of Charge Estimation Using Deep Learning
Define requirements, prepare data, train deep learning networks, verify robustness, integrate networks into Simulink, and deploy models. (depuis R2024b)
- ÉTAPE 1: Define Requirements for Battery State of Charge Estimation
- ÉTAPE 2: Prepare Data for Battery State of Charge Estimation Using Deep Learning
- ÉTAPE 3: Train Deep Learning Network for Battery State of Charge Estimation
- ÉTAPE 4: Compress Deep Learning Network for Battery State of Charge Estimation
- ÉTAPE 5: Test Deep Learning Network for Battery State of Charge Estimation
- ÉTAPE 6: Integrate AI Model into Simulink for Battery State of Charge Estimation
- ÉTAPE 7: Generate Code for Battery State of Charge Estimation Using Deep Learning
- Verify an Airborne Deep Learning System
This example shows how to verify a deep learning system for airborne applications and is based on the work in [5,6,7], which includes the development and verification activities required by DO-178C [1], ARP4754A [2], and prospective EASA and FAA guidelines [3,4]. (depuis R2023b)
