Demos en Directo

Deep Learning para Visión Artificial

El reconocimiento de objetos es clave para sistemas punteros como vehículos autónomos, equipos de rescate basados en imágenes y robots autónomos. Deep Learning se ha consolidado como uno de los métodos más precisos para reconocimiento de objetos.

Visite nuestra área de exhibición para ver y hablar de cómo se utiliza MATLAB® para:

  • Reconocimiento de objetos en tiempo real sobre vídeos capturados en directo
  • Entrenar redes neuronales convolucionales
  • Acelerar el entrenamiento de algoritmos de Deep Learning mediante GPUs

Construcción, Visualización y Despliegue de Modelos Físicos

Los modelos de planta precisos son clave para predecir y evaluar el rendimiento de un sistema. Descubra en esta demo las tecnologías utilizadas para construir rápidamente y extender modelos multidominio (mecánicos, eléctricos, hidráulicos).

Vea cómo importar modelos a partir de herramientas de diseño mecánico 3D, para aprovechar al máximo sus esfuerzos de modelado, y cómo exportar modelos multidominio a otros entornos.


Mantenimiento Predictivo con Data Analytics

Las empresas son cada vez más conscientes de la importancia del mantenimiento predictivo de sus equipos: permitiéndoles programar el mantenimiento de forma inteligente según las condiciones de estado de las máquinas. La posibilidad de construir un modelo analítico basado en datos históricos de la máquina, capaz de predecir fiablemente cuando se producirá un fallo en los equipos, es clave para reducir costes.

En esta demo verán cómo:

  • Utilizar aprendizaje automático para construir modelos de mantenimiento predictivo
  • Iterar fácilmente para encontrar los algoritmos de aprendizaje automático más adecuados para su escenario
  • Importar grandes cantidades de datos históricos en MATLAB sin impacto en memoria
  • Permitir a los usuarios acceder concurrentemente a su software de mantenimiento predictivo, mediante el despliegue en infraestructuras IT corporativas

Diseño Basado en Modelos para Xilinx® Zynq® SoCs

Desde modelos a System-on-Chip (SoC), vea la implementación de algoritmos en sistemas heterogéneos compuestos de FPGAs y procesadores ARMs, mediante flujos de trabajo de generación de cores IP y generación automática de HDL y C.

Visite esta demo para ver y hablar de cómo:

  • Reducir la dependencia de hardware mediante simulación
  • Evitar errores de implementación con generación de C y HDL
  • Realizar iteraciones hardware más rápidas mediante la automatización del despliegue

Control de Motor y Electrónica de Potencia con MATLAB, Simulink y Speedgoat

Simulink y las máquinas en tiempo real de Speedgoat proporcionan un flujo de trabajo software/hardware completo para diseñar y ejecutar rápidamente control de motores, simulación y aplicaciones de conversión de potencia en microprocesadores y FPGAs mediante Diseño Basado en Modelos.

Visite esta demo y descubra como conseguir tasas de muestreo en lazo cerrado de hasta MHz y generación PWM con resolución de tiempo de captura de hasta 5 ns, sobre la demo de control de motor PMSM.