科研机构使用 matlab® 和 simulink® 来应用深度学习、预测建模和统计分析方法。您和您的团队可以基于同一产品体系共享成果、交流创意。您还可以添加学科专用的工具箱、app 和附加产品，将它们部署到特定领域，同时对整个团队开展培训，帮助他们掌握 matlab 和 simulink 功能。这些产品有助于加快跨学科项目进程。
借助 matlab 和 simulink，您能够：
- 创建分类和预测模型用于健康分析
- 自动执行图像分析任务，如人脸识别
- 在研究中借助多种统计学功能确定显著性
- 建模和仿真物理现象，开发系统实现
- 加入开发者社区，寻求经验、解决问题
- 通过单独的仪器、卡片、传感器或物联网方法采集实时数据
“我们小组之所以选择 matlab，主要是考虑到它有以下优势：支持快速建立算法原型；提供强大的可视化工具来调试算法；方便与视觉研究社区的其他人共享代码。”
michael rubinstein, mit computer science and artificial intelligence lab
matlab 和 simulink 为科研院所提供支持
深度学习与图像处理
只需几行 matlab 代码，您就可以构建深度学习模型，从而使用您的测量数据来识别目标和预测异常情况。image processing toolbox™ 提供多种 app，可自动执行常用流程，如图像数据分割和大型图像数据集批处理。您可以使用 matlab 开发图像处理应用，例如设备热成像、用于健康分析的生物医学分类，以及制造质量检查。利用 matlab 中的深度学习功能，您可以直接基于图像、视频或信号数据学习特征表示。
数据采集
matlab 和 simulink 中的数据采集产品支持您从文件、应用程序、web 服务和设备中采集、分析和可视化数据。您可以访问以下来源的数据：
- 硬件，如数据采集板、测试和测量仪器、can 总线接口设备和成像设备
- 符合 odbc 或 jdbc 标准的数据库、opc 服务器和某些金融数据服务器
gpu 计算
借助 matlab，您无需成为 cuda® 编程专家，也可以使用 nvidia® gpu 来加速人工智能、深度学习和其他计算密集型分析。使用 matlab 和 parallel computing toolbox™，您可以：
- 直接在 matlab 中调用 nvidia gpu，有 500 多个内置函数可供使用。
- 使用 matlab 工作进程和 matlab parallel server™ 访问桌面、计算集群和云上的多个 gpu。
- 使用 gpu coder™ 直接从 matlab 生成 cuda 代码，以便部署到数据中心、云和嵌入式设备。
- 使用 gpu coder 从 matlab 生成 nvidia tensorrt™ 代码，实现低延迟、高吞吐量的推断。
- 将 matlab ai 应用程序部署到配备 nvidia 的数据中心，并使用 matlab production server™ 与企业系统集成。
将数据分析模型部署并集成到企业应用程序中
matlab 为高级数据分析和机器学习算法提供了开发环境，但这些模型和系统通常还必须部署到现实世界中。如果是从大数据中提取有用信息，这一点尤其重要。matlab 算法有多种部署选项，包括可移植 c/c 代码生成、经过编译的可执行文件、基于 web 的应用程序，甚至还有移动 app 集成。
云计算
您可以在各种云环境中使用 matlab，包括 mathworks cloud 和公有云，例如 和 。
借助 mathworks cloud，您可以在以下位置使用 matlab 和 simulink：
- web 浏览器
- 公有云
- docker 容器