学习、解释、适应和进化的能力一直将人类与机器区别开来。但这个差距正在缩小吗？人类的大脑包含约860亿个神经元，它们通过一个称为突触的极其复杂的通路系统相互连接。神经元的功能是通过突触将电荷传递给彼此，导致活跃/不活跃，或真/假的反应。这就是为什么人类如此擅长图案识别，使我们能够阅读、说话，并区别成千上万张脸。计算的一种基础代数形式——布尔逻辑，也依赖于真(1)或假(0)值。一个足够大的计算机系统使用布尔逻辑可以很好地模拟大脑——也被称为神经网络。

每当加州科技巨头苹果公司推出一款新产品，它就会登上全世界的头条新闻。它早期的家用电脑就是这样——第一款使用公认的现代用户界面的电脑；iPod更是如此，它一手改变了音乐产业。但这些对家全球最大、最受欢迎的科技公司来说还远远不够。几年来，苹果的工程师们一直在偷偷地把交通运输业作为下一个成熟的行业，来进行他们独一无二、推倒一切再重来的颠覆。所以今天我们要问一个问题：我们什么时候能看到苹果汽车?

您将学习如何配置扩展卡尔曼滤波器模块参数，例如状态转换和测量函数，并生成C/C ++代码。

如果您是工程师，您经常会需要处理非线性系统。为了帮助您，我们将讨论非线性状态估算器。

了解MATLAB® 如何可以为深度学习工作流程的每一个环节提供帮助：从预处理到部署。该视频概要介绍了使用MATLAB进行深度学习的情况。它描述了完整的工作流程，并说明了MATLAB如何在各个阶段帮助深度学习应用程序，包括导入和预处理图像，导入预训练的模型，使用GPU训练模型，调试深度学习结果以及将深度学习模型部署到硬件上，包括嵌入式硬件GPU。

观看MATLAB系列技术讲座，探索关键的深度学习概念。学习什么时候使用深度学习，发现哪种方法适合您的具体应用，并探索您可能会遇到的一些挑战。在本视频中探索深度学习基础知识。您将了解深度学习为何如此流行的原因，并逐步了解3个基本概念：深度学习是什么，它在现实世界中的使用方式以及入门方法。

了解强化学习入门，这是一个自定进度的教程，通过使用自动评估和反馈的实践练习，提供了控制问题的强化学习方法的交互式概述。强化学习入门涉及的主题包括定义环境和奖励、创建智能体（Agent）以及使用模拟来训练智能体。此外，探索如何创建神经网络来代表各种角色和关键智能体。

您将学习如何配置卡尔曼滤波器模块参数，例如系统模型、初始状态估计和噪声特性，使用Simulink中的卡尔曼滤波器估算单摆模型角度。