我们可以训练一个人工智能模型来找到两点之间的最佳距离而不使用算法吗？答案是肯定的！通过Q-Learning，我们可以赋予我们的人工智能类似生命的特性！在这个视频中，我们将教你所有关于Q-Learning等等之类的知识！

MATLAB®是一个编程的数值计算环境，数以百万计的工程师和科学家用它来分析数据，开发算法，并创建模型。MATLAB提供了专业开发的工具箱，用于信号和图像处理，控制系统，无线通信，计算金融，机器人，深度学习和人工智能等等。MATLAB结合了用于迭代分析和设计过程的桌面环境与直接表达矩阵和阵列数学的高级编程语言。

使用MATLAB®R2020b，您可以使用深度学习工具箱™模块库以及MATLAB函数块，用Simulink®中经过训练的深度学习模型进行模拟并生成代码。了解如何使用控制、信号处理和传感器融合组件在Simulink中模拟深度学习网络，以评估深度学习模型对系统级性能的影响。了解更多关于在Simulink中使用NVIDIA® GPU来加速深度学习网络模型的执行。

这个关于“什么是神经网络”的视频以寓教于乐的方式介绍了神经网络的概念。我们将了解神经网络中存在的不同层次，并理解这些层如何处理数据。我们将了解神经网络中使用的不同参数，如权重、偏差和激活函数。我们还将了解如何使用前向传播训练神经网络，然后使用后向传播方法调整网络中的误差。本视频还涵盖了一些流行的神经网络应用。现在，让我们直接学习什么是神经网络。

GPU Coder™用MATLAB®代码和Simulink®模型生成优化的CUDA®代码。生成的代码包括用于深度学习、嵌入式视觉和信号处理算法的可并行部分的CUDA内核。为了提高性能，生成的代码调用优化的NVIDIA® CUDA库，包括TensorRT™，cuDNN, cuFFT, cuSolver和cuBLAS。您可以将代码作为源代码、静态库或动态库集成到项目中。您还可以编译嵌入在NVIDIA Jetson®、NVIDIA DRIVE®和其他平台上的桌面、服务器和GPU的代码。

卡尔曼滤波器是一种优化估算算法，在不确定和间接测量的情况下估算系统状态。本视频介绍了解状态观测器的工作原理，并解释其背后的数学原理。在无法直接测量时，使用状态观测器估算系统的内部状态。

Lidar Toolbox™提供了设计、分析和测试Lidar处理系统的算法、功能和应用程序。你可以进行目标检测和跟踪、语义分割、形状拟合、激光雷达配准和障碍检测。Lidar Toolbox支持结合计算机视觉和Lidar处理的工作流程的激光雷达与相机与交叉校准。你可以使用深度学习和机器学习算法，如PointSeg, PointPillar，和SqueezeSegV2训练自定义检测和语义分割模型。

人工智能已经以超出我们想象的方式接管了我们的生活。然而，有一些神奇的工具可以帮助设计师进行设计，并运行人工智能技术。人工智能会接管世界吗？也许不是，但是这些设计工具会对你大有帮助。在本视频中，我列出了一些人工智能设计工具。