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。

通过一个示例开始使用Simulink®。这个视频向你展示了使用Simulink的基本知识。您将学习如何为太阳能电池板建模、模拟和测试控制器，让它在一天中跟踪太阳的运动。您将看到如何为一个物理系统建模，为该系统设计一个基本的PI控制器，然后运行模拟以确保模型正常工作。在看完这个示例之后，您将了解到Simulink只是基于模型的设计的一部分，用于建模、模拟、测试和执行现实世界的系统。

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。

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。

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。

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！

“人工智能和机器学习是一种不会过时的新工具，它将帮助工程师更好地完成他们的工作。”机械工程系主任艾伦·罗宾逊和其他几位教员解释了人工智能和机器学习如何影响他们的研究和他们教授的本科和研究生课程。

人工智能已不再是一个流行词：它已经成为现实。随着很多公司使用人工智能来制造智能机器，人工智能已经成为商业领域的一场革命。在这段视频中，你将了解顶级人工智能的应用。您将了解人工智能如何应用于商业领域，如医疗保健、营销、社交媒体、机器人等。