Release 2017b van MATLAB en Simulink

De release biedt tevens meer deep learning-functionaliteit waarmee engineers en onderzoekers modellen eenvoudiger kunnen ontwerpen, trainen en implementeren. Features, producten en functies voor deep learning in R2017b zijn: extra ondersteuning in de Neural Network Toolbox voor complexe architecturen; de Image Labeler-app in de Computer Vision System Toolbox biedt nu een eenvoudige en interactieve manier om ground truth data in een serie afbeeldingen te labelen; de nieuwe GPU Coder converteert deep learning-modellen automatisch naar CUDA-code voor NVIDIA GPU’s. R2017b bevat ook andere belangrijke updates, zoals: Data Analytics met MATLAB; een nieuwe Text Analytics Toolbox, een door de gebruiker te definiëren datastore, meer big data plots en algoritmes voor machine learning en ondersteuning voor Microsoft Azure blob opslag; realtime software modellering met Simulink; effecten van scheduling modelleren en pluggable componenten implementeren voor software-omgevingen; verificatie en validatie met Simulink; nieuwe tools voor het modelleren van requirements, analyse van test coverage en het controleren op compliance.