دانلود نرم افزار متلب MathWorks MATLAB R2018b

متلب: نرم افزار تخصصی متلب , یکی از قدرتمندترین نرم افزار های برنامه نویسی و شبیه سازی در حوزه محاسبات مهندسی و عددی است.

در این نرم افزار محیط های مختلفی جهت طراحی و شبیه سازی ایجاد شده است.

از جمله محیط اسکریپت نویسی (ام فایل) , محیط سیمولینک, محیط گرافیکی و…

چه چیزی در متلب 2018b جدید است؟

ویدیویی که شرکت متورکز در ارتباط با متلب 2018b منتشر کرده است:

ویرایش هوشمند در Simulink

در محیط سیمولینک متلب , شرکت متورکز در ورژن 2018b انقلاب جدیدی ایجاد کرده است.

از جمله امکاناتی که در محیط سیمولینک نسبت به ورژن های قبل ایجاد شده:

  • اگر مثلا چندین گین داشته باشیم و بخواهیم به یک باس وصل کنیم, فقط کافیست همه گین ها را انتخاب کنیم و با گرفتن دکمه Ctrl و بعد کلیک کردن عنصر مبدا که همان باس هست, تمام گین ها به باس متصل خواهند شد.
  • در زمان طراحی فایل سیمولینک برای آوردن بلوک ها فقط کافیست بر روی پیکانی که میخواهیم بلوک را به آن متصل کنیم کلیک کرده و نام بلوک را بنویسیم.

جالب اینجاست که در متلب 2018b بلوک های مچ شده با مدل را پیشنهاد می کند.

  • برای وارد کردن پارامترهای بلوک ها, نیازی به دابل کلیک و باز کردن تنظیمات بلوک نیست.

مثلا با کلیک روی بلوک گین میتوان مقدار آن را وارد کرد.

  • در متلب 2018b میتوان با بردن نقطه اتصال بلوک قبل بر روی بلوک جدید , پورت جدیدی را ایجاد کرد.

بطور مثال اگر نیاز هست خروجی را به اسکوپی که فقط یک ورودی دارد, وصل کنیم, نیازی به تغییر تنظیمات اسکوپ نیست.

تنها کافیست از بلوک آخر نقطه اتصال را روی اسکوپ برد, اسکوپ به صورت اتومات ورودی جدیدی را ایجاد می کند تا اتصال برقرار شود.

  • اگر بخواهیم قسمتی از مدل طراحی شده در سیمولینک را مثلا از حالت افقی به عمودی تغییر حالت داد, در ورژن های قبل باید خطوط ارتباطی را مرتب کرد, اما در متلب 2018b نیازی به اینکار نیست.

باید همان قسمت از مدل را انتخاب کرد و با زدن Ctrl+R یا Ctrl+Shift+R به صورت کامل چرخش می کند.

در سیمولینک متلب 2018B بلوک گرافیکی و راحت را جهت استفاده از کدهای C وC++ معرفی کرده اند.

همچنین مدل پیشرفته تر S-Function را معرفی کرده است.

انجام پروژه متلب را به متخصصین حرفه ای سایت متلبی بسپارید.

آماده سازی داده ها و برچسب گذاری
برنامه برای برچسب زدن پیکسل ها و مناطق برای تقسیم معنایی و تشخیص شی
برنامه Labeler ویدئو: برچسب های تعاملی داده های زمین واقعی در یک توالی ویدیو یا تصویر
جدید! Datacenter تصویر پچ: تصوير تصوير تصادفی تصوير را برای تقسيم تصاوير بزرگ استخراج می کند
Datastore برچسب برچسب پیکسل: ذخیره اطلاعات پیکسل برای داده های تقسیم بندی معنایی
پایگاه داده تصویر افزوده: ایجاد نمونه های آموزشی بیشتری برای تقویت اطلاعات آموزش یادگیری عمیق
جدید! برنامه صوتی Labeler: تعاملی و تجسم برچسب های زمین واقعی برای مجموعه های صوتی تعریف و تجسم

در حوزه معماری شبکه:

جدید! قطار سریعتر آشکارسازهای R-CNN با استفاده از شبکه های DAG مانند ResNet-50 و Inception-v3
LSTM رگرسیون و دو طرفه برای خروجی های مداوم و سری زمانی
جدید! نرم افزار طراح شبکه عمیق برنامه: طراحی گرافیکی و تجزیه و تحلیل شبکه های عمیق
پشتیبانی از لایه های سفارشی: تعیین لایه های جدید و تعیین توابع از دست رفته برای طبقه بندی و لایه های خروجی رگرسیون
اعتبار سنجی خودکار لایه های سفارشی برای بررسی اندازه داده ها و سازگاری نوع

دسترسی به آخرین مدل Pretrained
* مبدل مدل ONNX: مدل های واردات و صادرات با استفاده از فرمت مدل ONNX برای قابلیت همکاری با سایر فریم های یادگیری عمیق.
توانایی کار با ResNet-18، DenseNet-201، Inception-ResNet-v2 و SqueezeNet.
وارد کننده مدل TensorFlow-Keras و وارد کننده مدل کافیه مشاهده یک لیست جامع از مدل های پیش آزمون شده که در MATLAB پشتیبانی می شوند.

آموزش شبکه
به طور خودکار عملکرد شبکه را تأیید کنید و زمانی که معیارهای اعتبار سنجی بهبود می یابند، آموزش را متوقف کنید
با استفاده از بهینه سازی بیزین، تنظیم پارامتر را انجام دهید
بهینه ساز اضافی برای آموزش:  Adam و RMSProp
آموزش شبکه DAG در موازی و در GPU های متعدد

اشکال زدایی و تجسم
فعال سازی DAG: فعال سازی های میانجی برای شبکه هایی مانند Inception-ResNet-v2، ResNet-50، ResNet-101، GoogLeNet و Inception-v3
نظارت بر پیشرفت آموزش را با قطعه هایی برای ضریب دقت، از دست دادن، و اعتبار سنجی
تجزیه و تحلیل شبکه: تجسم، تجزیه و تحلیل و پیدا کردن مشکلات در معماری شبکه قبل از آموزش

گسترش
به طور خودکار تبدیل مدل های آموزش عمیق آموزش داده شده در MATLAB® به CUDA با استفاده از GPU Coder ™
کد CUDA تولید شده را با NVIDIA® TensorRT ادغام می کند.
پشتیبانی از شبکه های DAG از جمله GoogLeNet، ResNet-50، ResNet-101 و SegNet
تولید کد از مدل های یادگیری عمیق آموزش داده شده برای پردازنده های Intel® Xeon و ARM® Cortex-A®
جدید! راه اندازی خودکار به سیستم های NVIDIA Jetson و DRIVE
جدید! بهینه سازی عمیق یادگیری: عملکرد بهبود یافته از طریق تنظیم خودکار، ترکیب لایه و پشتیبانی کتابخانه رانش

از آرایه های رشته برای نمایش موثر متن در MATLAB®، Simulink® و Stateflow® استفاده می شود.

نمایش متن

آرایه های رشته ای در R2016b معرفی شد، روش جدیدی برای نمایش متن در MATLAB است. آنها به طور خاص برای کار با متن و دستکاری آن طراحی شده و بهینه شده اند. شما می توانید با استفاده از عملیات آرایه استاندارد، آرایه های رشته را به یکدیگر تغییر دهید، ترکیب کنید و ترکیب کنید.

با انتشار متلب R2017a، شما می توانید از دوگانه نقل قول استفاده کنید تا آرایه های رشته ای ایجاد کنید. در حال حاضر در R2018b شما می توانید آرایه های رشته ای برای داده ها، خواص ها و استدلال های جفتی نامحدود تقریبا در همه جا در محصولات MathWorks استفاده کنید.

ذخیره متن در آرایه های رشته.

دستکاری متن

توابع دستکاری متن شامل startsWith ، contains و قرار دادن پس از مختصر، توصیفی و تمرکز بر روی کار است. با استفاده از بیش از ده عملیات مناسب، می توانید کد کارآمد تر، قابل خواندن و قابل نگهداری را بنویسید. این توابع همچنین با بردارهای شخصیت ( char ) و آرایه های سلولی از بردارهای شخصیت ( cell ) هستند.

با استفاده از توابع دستکاری متن برای کار با متن.

تجزیه و تحلیل و مدل متن

Text Analytics Toolbox ™ در آرایه های رشته ای با الگوریتم ها و تجسم ها برای پیش پردازش، تجزیه و تحلیل و مدل سازی داده های متنی ایجاد می شود. مدل های ایجاد شده با جعبه ابزار می توانند در برنامه های کاربردی مانند تحلیل احساسات، نگهداری پیش بینی شده و مدل سازی موضوع مورد استفاده قرار گیرند. شما می توانید متن را از فرمت های فایل های محبوب مانند فایل های PDF و مایکروسافت ورد ® ، پیش پردازش متن خام، استخراج کلمات فردی و ساخت مدل های آماری استخراج کنید.

تجزیه و تحلیل متن با Text Analytics Toolbox.

سازگاری کد

  • استفاده از char و cell به طور نامحدود پشتیبانی می شود.
    استفاده از بردارهای شخصیت ( char ) و آرایه های سلولی از بردارهای شخصیت ( cell ) همچنان در MATLAB و Simulink پشتیبانی می شوند. توابع و خواص ها قبلا قبول شده و به آنها بازگردانده شده است.
  • توابع و خواص برای بازگشت نوع همان متن ادامه خواهد داشت.
    توابع و خواص معرفی شده قبل از R2018b ادامه خواهد داد تا نوع متنی که همیشه دارند (یا بردارهای شخصیت یا آرایه های سلولی از بردارهای شخصیت) بازگردانده شوند. با این حال، توابع such as replaceBetween یاjoin یک استثنا برای این هستند. این توابع خروجی فرمت متنی همانند ورودی است و شما را قادر می سازد تا از این توابع دستکاری متن جدید بدون در نظر گرفتن نوع متن استفاده کنید (آرایه های رشته، بردارهای شخصیت یا آرایه های سلولی از بردارهای شخصیت).
  • آرایه های رشته را می توان با استفاده از زبانه های curly indexed کرد.
    آرایه های رشته ای همانند سایر آرایه های MATLAB است. هنگامی که یک آرایه رشته ای را با پرانتز () وارد می کنید، یک آرایه رشته ای جدید دریافت می کنید. هنگامی که آرایه سلولی را با پرانتز () فهرست می کنید، یک آرایه سلولی جدید به دست می آورید. با این حال، برای دسترسی به بردارهای شخصیت در آرایه سلولی، اکثر کد با استفاده از نمایه سازی false brace استفاده می شود. نمایه سازی چروک های براق به آرایه های رشته اضافه شده است و طراحی شده است برای بازگرداندن بردارهای شخصیت به منظور سازگاری با این رفتار آرایه سلولی.

هنگامی که استفاده از آرایه های رشته ای نیست

شما می توانید آرایه های رشته ای برای داده های متن تقریبا در همه جا در کد MATLAB استفاده کنید، اما برای استفاده نمی شود:

  • آرایه های سلولی فقط رشته های اسکالر
    در R2018b، توصیه می کنیم از آرایه های رشته ای به جای آرایه های سلولی از vectors کاراکتر برای نمایش متن استفاده کنید. اگر شما تصمیم به استفاده از یک آرایه سلولی حاوی تنها متن با توابع مانند lower ، استفاده از آنها با بردارهای شخصیت این توابع انتظار می رود. اجتناب از استفاده از این توابع با آرایه های سلولی رشته ها.
    استفاده از: >> 
  • lower(["Run1" "Run2" "Run3"])
    یا استفاده کنید: >>

  •  lower({'Run1' 'Run2' 'Run3'})
    استفاده نکنید: >>

  •  lower({"Run1" "Run2" "Run3"})

  • فرم فرمان
    هنگامی که در فرم فرمان استفاده می شود، توابع مانند save، cd و addpath همچنان به تجزیه نقل قول های دوگانه به عنوان متن و نه به عنوان یک جدا کننده ادامه می دهند. این رفتار برای جلوگیری از ناسازگاری کد با دستورات مانند مکس حفظ شده است.

    استفاده از: >>

  •  load 'my data.csv'
    استفاده نکنید: >>

  •  load "my data.csv"

در متلب 2018B دو تولباکس Sensor Fusion and Tracking Toolbox و 5G toolbox را معرفی کرده است.

این نسخه هنوز توسط سایت متلبی تست نشده و بعد از تست صحت آن تایید خواهد شد.

دانلود نسخه 64بیتی R2018b با لینک مستقیم:

 – دانلود کرک نسخه R2018b به صورت جداگانه

رمز فایل فشرده:

دانلودها

0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

برای امنیت، استفاده از سرویس reCAPTCHA گوگل مورد نیاز است که موضوع گوگل است Privacy Policy and Terms of Use.

اگر با این شرایط موافقید، لطفا here کلیک کنید.