Mais um passo.
Por favor, preencha a verificação de segurança para acessar o matlabtips.
Por que eu tenho que completar um CAPTCHA?
A conclusão do CAPTCHA prova que você é humano e concede acesso temporário à propriedade da web.
O que posso fazer para evitar isso no futuro?
Se você estiver em uma conexão pessoal, como em casa, poderá executar uma verificação antivírus no seu dispositivo para garantir que ele não esteja infectado por malware.
Se você estiver em um escritório ou em uma rede compartilhada, poderá solicitar ao administrador da rede que execute uma verificação na rede procurando dispositivos configurados ou infectados incorretamente.
Cloudflare Ray ID: 3f0f740df0f88b88 & bull; Seu IP: 78.109.24.111 & bull; Performance & amp; segurança pela Cloudflare.
Entrevista com um convertido forçado de Matlab para R.
Aqui está uma entrevista com Ron Hochreiter, professor assistente na WU Vienna University Economics and Business.
Em 25 palavras ou menos, diga-nos o que você faz (usar palavras em alemão é trapaça).
Eu me considero como um cientista de dados (ensino e pesquisa) com raízes em Programação Matemática, ou seja, Otimização sob Incerteza (Programação Estocástica).
Você era um convertido involuntário de Matlab para R. Quais eram as circunstâncias?
Eu comecei a usar o MatLab em 1998 durante minha graduação em Informática de Negócios e escrevi grandes partes da minha tese de mestrado (2000-2001), bem como minha tese de doutorado (2001-2005) com ele. Eu estava muito confortável com o MatLab. Embora eu tenha usado R para alguma análise estatística (principalmente análise de cluster), eu nunca completei nenhum projeto maior com ele. Com o MatLab, implementei uma grande quantidade de ferramentas e modelos de otimização bastante completos ao longo dos anos e até produzi alguns softwares úteis para a indústria, incluindo um sistema de gerenciamento de risco para uma empresa austríaca de comercialização de energia e uma ferramenta de simulação em larga escala para um fundo de pensão austríaco. . Então eu mudei de universidade e descobriu-se que o meu novo chefe é um membro do R Core Group & # 8211; então esse foi o fim da minha carreira no MatLab.
Quão difícil foi a transição?
Embora eu não estivesse disposto a mudar para R, foi muito difícil para mim no começo, porque eu estava acostumado a fazer tudo no MatLab. Um motivador principal foi o fato de que os problemas de licenciamento do MatLab estavam realmente me incomodando & # 8211; especialmente o fato de que a versão do aluno é uma versão reduzida. De qualquer forma, uma questão que realmente ajudou a acelerar a transição foi a disponibilidade do RStudio, que finalmente tirou o sentimento nerd do R & # 8211; pelo menos para mim. Para amar uma linguagem de programação científica de alto nível, eu preciso ser capaz de vendê-la para outras pessoas, especialmente para não-programadores e não-nerds, o que se traduz em meus alunos de bacharelado em administração de empresas & # 8211; e eu não fui capaz de fazer isso antes do advento do RStudio. Agora eu sou capaz de fazê-lo e, portanto, estou realmente feliz por ter tomado todos os esforços para mudar para o R.
Quais são os melhores recursos para ajudar na transição?
Para mim, um recurso que eu recomendo é o Quick-R em statmethods / No início da minha transição pessoal do MatLab, também pesquisei no Google para a "sintaxe do MatLab R & # 8221; e usou alguns dos documentos, e. mathesaurus. sourceforge / octave-r. html para verificar equivalentes de sintaxe. Eu provavelmente não preciso apontar seu excelente material, porque se as pessoas encontrassem essa entrevista, elas provavelmente também encontrariam seus livros!
[Nota do editor: se não, você pode dar uma olhada em algumas das páginas favoritas.]
Qual é a sua atitude geral sobre R versus Matlab agora?
Eu realmente amo R hoje em dia e pessoalmente não poderia imaginar voltar ao MatLab mais & # 8211; embora por curiosidade eu esteja seguindo o projeto do Julia Language em julialang / então, caso eu precise voltar ao MatLab, eu o faria indiretamente via Julia.
Quais são os casos de uso do Matlab sobre o R e vice-versa?
Eu diria que certas tarefas de otimização (se não a maioria) ainda não são implementadas de forma convincente em R. É triste ver que as pessoas que abandonaram o MatLab por uma alternativa de código aberto estão escolhendo o Python sobre o R & # 8211; o que eu entendo, porque a maioria dos pacotes de otimização em R não faz nenhum sentido se você olhar para eles do ponto de vista de Programação Matemática. Estatísticos certamente têm uma abordagem diferente para otimização.
Quais são as três coisas mais úteis em R, mas não em Matlab?
Bem, é muito difícil citar apenas três. Provavelmente, a geração de relatórios usando knitr / Sweave, Shiny e os recursos gerais para produzir gráficos em R podem ser os que vêm primeiro a minha mente.
Quais são as três coisas mais úteis em Matlab, mas não em R?
Para mim, é a disponibilidade dos dois grandes frameworks de modelagem de otimização CVX e YalMip. E se você é do ramo de engenharia e precisa realizar tarefas de simulação para as quais o MatLab / Simulink oferece exatamente o que você precisa, então é a escolha certa & # 8230; mas se você está fazendo esse tipo de coisa, provavelmente nunca considerou mudar para o R de qualquer maneira.
Você tem algum material na web. O que e onde é isso?
Infelizmente ainda não tive tempo de polir e publicar meu software relacionado ao R & # 8211; Consegui apenas registrar alguns domínios para meus projetos, e um breve resumo está disponível em hochreiter / R /
Eu mudei para R voluntariamente, para poder usar frames de dados & # 8211; estes apareceram no Matlab apenas alguns anos atrás, e mesmo assim, não no Matlab propriamente dito, mas no add-on (não-livre) Statistics Toolbox. Lembro-me com horror de ter que codificar uma função de junção de mesa no Matlab & # 8211; contraste com o & # 8220; merge & # 8221; em R, para não mencionar o maravilhoso & sqldf & # 8221; pacote. Se o foco estiver no tratamento de dados, o R ganha as mãos para baixo.
Você já tentou o pacote nloptr (cran. r-projeto / web / packages / nloptr / index. html) para otimização? Eu usei nlopt no meu código C ++ e fiquei muito feliz com isso.
Aqui está uma resposta do meu amigo Louis Scott de kiemaadvisors.
Eu googled linguagens programadores odeio (R e matlab separadamente)
Para o Matlab, existem claramente dois tipos de pessoas no mundo, aquelas que odeiam uma indexação e aquelas que odeiam a indexação zero. Nunca os dois se misturarão. Zero indexadores foram gravados por erros C, como acessar a enésima entrada de um array que está realmente em n-1. Aqueles indexadores em virtude de sua linguagem 4GL nunca vêem este problema, pois eles podem ver os resultados de forma interativa & # 8211; isso não é um incômodo para eles. Tanto o Matlab quanto a Julia são uma das linguagens de indexação.
R é uma linguagem específica de domínio para estatísticos que simplesmente funciona. Para outros, parece que não está certo "# 8211; Quero dizer, como esse cara, que espera que haja (como no Python) uma maneira correta de fazer as coisas dentro de uma linguagem.
Toda linguagem é um trade off, tornando os problemas mais comuns em um domínio parte do modo de pensar dentro da linguagem, e às custas de fazer escolhas que deixam outras preocupações de fora. Por exemplo, velocidade ou uso interativo.
Se você quer o último, sua linguagem é digitada dinamicamente, o intérprete descobre que tipo de coisa você criou e executa. As linguagens estáticas exigem que você especifique o inteiro ou o flutuante 32 ao criar matrizes e o compilador (não o intérprete) se apaga e otimiza a árvore gramatical criada pelo seu código. Isso leva tempo, mas torna o código mais rápido.
Matlab (e Julia) tentam dar velocidade e uso interativo & # 8211; eles chegam à mesa como as linguagens de prototipagem para computação de alto desempenho. Eles estão destinados a tomar grandes matrizes e esmagar. Eles também são específicos do domínio e não de propósito geral, mas o conjunto de pessoas interessadas é mais amplo & # 8211; praticamente qualquer engenheiro usou ou ainda usa. O Matlab usa uma compilação Just in Time (JIT) inteligente para chegar o mais rápido possível, uma vez que o interpretador saiba todos os tipos de dados que você criou dinamicamente.
Por exemplo, aqui está como resolver 1 da maneira mais difícil.
tic, det (A * inv (A)), toc.
A resposta é 1 e demora cerca de 10 segundos no Octave (um clone do matlab). Para fazer isso, ele usa a biblioteca de matrizes ATLAS e divide o trabalho nos núcleos da CPU.
Curiosamente, Julia tem seus antecedentes em uma versão paralela do Matlab chamada Star-P Matlab por Viral Shah e Alan Edelemen do MIT. Mais uma vez, a ênfase está no processamento de números.
Eu acho que eu deveria dar um aceno ao Python também, e PANDAS por Wes McKinney, que fornece estruturas e métodos similares a esses dados.
Em termos diplomáticos, não existe uma linguagem correta, todos fazem uma escolha sobre quais aspectos são mais importantes para eles. Uma preocupação que eu tenho sobre R é que o desejo de ter tudo em um único ambiente, e eu acho que R é uma linguagem de pesquisa e não uma linguagem de produção. Mais uma vez, algumas linguagens tornam isso mais fácil do que outras, três aspectos de um ambiente de produção são o teste de unidade, um processo em lote sensato e um depurador.
Para mim, a falta de testes unitários nas embalagens é uma grande preocupação. Eu conheço, por exemplo, o material que faz parte do Matlab, ou o Octave, o clone de código aberto, teve testes unitários aplicados a tudo. Com o R, muitos pacotes são liberados por estatísticos individuais que o acharam útil em seu próprio trabalho e o liberaram para outros. Ótimo, mas a qualidade é bastante variável e, em particular, embora os pacotes de testes unitários estejam disponíveis, seu uso provavelmente não é tão amplo.
O post do blog que Louis encontrou em R é bastante interessante, eu acho. O tipo de problemas que menciona não é o porquê do The R Inferno existir, mas é por isso que é mais espesso do que eu esperava.
Eu acho que Louis & # 8217; ponto sobre o teste é muito importante. Existe uma diferença definitiva entre o núcleo R & # 8212; que eu acho que é muito boa qualidade & # 8212; e o pacote típico do CRAN. Seria ótimo se houvesse testes melhores para a maioria dos pacotes. Seria maravilhoso se houvesse um sistema que tornasse mais claro para o usuário típico de R quão rigorosamente cada pacote é testado.
Trackbacks & amp; Pingbacks.
[& # 8230] um comentário para & # 8220; Entrevista com um convertido forçado de Matlab para R & # 8221; Louis Scott fala sobre a falta de testes em pacotes R no CRAN. Eu acho que é válido e [& # 8230;]
Locklin na ciência.
Em que explico coisas interessantes, notáveis ou bobas.
Escolha sua arma: Matlab, R ou outra coisa?
Como tipo de dados, uso três ferramentas de programação diariamente, ou pelo menos toda semana. Uma é Lush, uma versão do lisp. O outro é o Matlab. Por fim, há o projeto R.
Eu não quero usar três ferramentas para lidar com dados, mas é realmente necessário no momento. Eu não acho que isso será necessário para sempre.
Lush é minha linguagem de programação de uso geral. É incrivelmente grande. Partes dela são vagas e lentas, e partes dela estão quebradas ou faltando, mas é um lisp, é rápido onde eu preciso, e eu gosto muito disso. Mais sobre isso em uma entrada futura. Eu uso o Lush para velocidade e pesquisa original. Se não houver algoritmos complexos como o que eu preciso escrever em Matlab ou R, eu poderia escrevê-los no Lush. Lush é uma linguagem de alto nível com baixa velocidade quando você precisa. Seria perfeito se tivesse mais bibliotecas. A única coisa que eu posso potencialmente gostar melhor é OCaML / F #, e francamente, eu acho o tipo inferencer lá para ficar no caminho mais do que ajuda. Se eles fizessem uma OCaML onde você poderia desativar o tipo de segurança na maioria das vezes, isso seria melhor. Ou eu poderia ser como todo mundo e usar Python ou Java para esse tipo de coisa. Não que haja alguma coisa errada com isso.
O Matlab seria minha segunda escolha por invadir pesquisas originais. Porquê o Matlab? O Matlab é razoavelmente rápido, mas um dos principais valores é que é extremamente intuitivo se você usou Fortran ou C, e se você não sabe como fazer algo, o sistema de ajuda é muito informativo. O código Matlab também é extremamente bem suportado. O debugger, profiler e editor são todos excelentes; alguns dos melhores que eu usei. Claro, alguém vai argumentar que eles têm um depurador mais poderoso, mas o Matlab é o mais útil que eu já usei. Eu não preciso ler um manual para usá-lo; Eu apenas uso. Claro, o emacs é muito melhor que o editor do Matlab, mas não é tão prático quanto o editor do Matlab. Você pode usar o Matlab para fazer praticamente qualquer coisa. Eu o usei para codificar sistemas embarcados usando o xPC target e o Real Time Workshop. Eu o usei para codificar sistemas de negociação, desde o feed de dados até a interface do broker. Eu o incluí no Excel para usuários finais. Eu o implantei no software corporativo usado pelas empresas da Fortune 100. É algo incrivelmente útil, especialmente se você tiver a caixa de ferramentas adequada para realizar suas tarefas. Você pode construir um software numérico razoavelmente bom, contanto que você não precise de recursos extravagantes & # 8220; programmy & # 8221; recursos como simultaneidade. Se o Matlab tivesse uma maneira de fazer código compilado rapidamente, seria perfeito para o tipo de coisa que eu faço. Eu não me incomodaria mais com o Lush, exceto quando eu estava tentando escrever coisas tipo intérprete. A maneira de Matlab de fazer isso é escrever código para suas peças críticas de tempo em C e incorporá-lo em seu código em um processo bastante trabalhoso. Os únicos inconvenientes reais para o Matlab são velocidade, plotagem e despesas.
O que é bom para então? Bem, R é gratuito, muitos acadêmicos o usam para compartilhar seu software econométrico ou de aprendizado de máquina mais recente com todos os outros. Como tal, quase tudo estatístico sob o sol existe em R. E é grátis! O que não é amar. Bem, infelizmente, há muito a não amar sobre R. Primeiro, há velocidade. R parece não ter nada que o torna inerentemente lento para uma linguagem interpretada: deve ser comparável ao Matlab a esse respeito. Mas é lento o suficiente para que a maioria das pessoas faça seu trabalho pesado em outros idiomas. A maioria dos módulos escritos para ele tem a maior parte do código escrito em C ou Fortran. Isso também é verdade para o Matlab, e pelas mesmas razões, mas o Matlab tem uma maneira trivial de dizer a você o que você precisa para acelerar, então R sempre acabará sendo mais lento na prática. Em segundo lugar, há depuração. R é difícil de depurar. Em primeiro lugar, ele não o coloca em um nível superior interativo do modo como o Matlab (ou Lush, ou Python ou qualquer coisa em que você escreve programas reais) faz. Isso é muito ruim, e remove um monte de utilidade de usar uma linguagem interpretada. Ah, claro, existe um depurador, mas é buggy, mal documentado e não funciona da maneira mais simples que o Matlab faz. Em terceiro lugar, há a sintaxe. Pessoalmente, gosto da sintaxe; é muito parecido com o OCaML. Mas a maioria das pessoas não o faz. O que é mais; o sistema de ajuda está muito próximo de ser inútil se você estiver tentando lembrar um comando simples. As pessoas podem dizer que isso é injusto, já que eu não estou acostumada com R, mas o fato é que nunca vou me acostumar com isso como Matlab, e nem mais ninguém. Ah, está tudo bem para encontrar pacotes que você deseja se conseguir pensar na palavra-chave certa para eles. Mas comparado ao Matlab, ou até mesmo algo parecido com o Lush, sua ajuda online é bem inútil. Em quarto lugar: para programação, embora deva ser melhor do que o Matlab de muitas maneiras, nunca vi um programa legível em R que tivesse mais de 100 linhas. Eu não sei como eles conseguem isso. Parte é, sem dúvida, os IDEs são bastante ruins. Eu não conheço ninguém que diga que pode escrever bons e grandes softwares para a R. Uma vez eu perguntei a um cara como ele escreveu grandes peças de software, e ele disse, com muito cuidado. & # 8221;
Isso parece muito ruim, mas há razões sólidas para usar o R. Para uma coisa; é grátis. Há muito a ser dito de graça. Entre outras coisas, se você quiser dar algum código para os outros jogarem, R será um veículo melhor do que distribuir o C ou um pacote matlab. Por outro lado, tem uma tremenda quantidade de trabalho em vários problemas numéricos, e a instalação é trivial: basta pressionar um botão. Quer ligar o mais recente AdaBoost ao seu banco de dados, e traçar alguns bons resultados: muito fácil em R. Eu poderia fazer tudo isso no Matlab, com os pacotes corretos e assim por diante, mas em R, ele é o trabalho de segundos. Outra coisa: é muito mais fácil fazer plotagens sofisticadas em R do que em Matlab. O utilitário de plotagem do Matlab é da idade das trevas. É insanamente ruim. Você pode abstrair parte de sua maldade com objetos, mas & # 8230; você não deveria. Finalmente, para interagir com os dados, R ganha. O paradigma de matriz do Matlab facilita o uso, mas os data. frames são mais poderosos.
Veja como funciona a minha árvore de decisão. Quando ouvi pela primeira vez sobre a lei de Benford, decidi que era bastante simples; Eu o interrompi em Lush. Eu fiz. Funcionou e eu brinquei com isso. Então eu percebi que o bom ajuste para a distribuição de Benford poderia ser bom. Eu tive distribuições qui-quadradas já codificadas em Lush, e algumas coisas de ajuste de curva & # 8230; mas conectando tudo, depois mexendo nas rotinas de plotagem: ugh. Então, o google me informou que algum estatístico legal tinha feito todo esse trabalho para mim em R. Então eu usei R. Provavelmente, alguém fez isso em Matlab também (na verdade, alguém fez), mas é uma dor para disparar o meu Windows laptop com Matlab nele, então eu só fui com R. Isso é o que R é bom para. Em algum momento, eu vou falar com Lush R, em que ponto eu posso deixar de usar o Matlab, a menos que alguém me paga para fazê-lo. Nunca será tão elegante quanto o Matlab, e eu vou sentir falta de todos os ótimos recursos de produtividade do usuário que o Matlab oferece, mas ele fará o trabalho melhor e mais rápido, eu acho.
Eu uso as folhas de fraude em R muito, por falta de um sistema de ajuda melhor, então se você quiser brincar com isso:
Compartilhar isso:
Relacionado
Pós-navegação.
Deixe uma resposta Cancelar resposta.
Olá & # 8211; Acabei de encontrar este blog e estou realmente gostando da sua escrita.
Em relação ao depurador do & # 8217; s & # 8211; Eu vou concordar com isso, mas eu não achei tão ruim assim. Já tentou & # 8220; opções (erro = recuperar) & # 8221; e & # 8220; withCallingHandlers (fun (), warning = function (c) recuperar ()) & # 8221 ;? Além disso, eu não tentei (e pode ser o que você estava falando como "buggy & # 8217;) mas o pacote de depuração (install. packages (debug)) parece promissor em termos do que você quer .
A última vez que tentei depurar, ele caiu no meu sistema e me deixou triste. Eu ia tentar novamente para este artigo, mas eu não o vi disponível para o R2.9 / OS-X na época. Parece estar disponível agora. Brincando por 30 segundos, eu estou lembrando de problemas como, "Eu tive que lembrar de chamar o mtrace () em tudo que pode falhar." Ainda assim, é melhor do que eu estava fazendo antes.
Eu não gosto tanto quanto o depurador do Matlab (ou o que o Lisp faz por padrão), mas chega muito perto de me fazer feliz - talvez ele venha a crescer em mim. Obrigado por apontar isso.
Bom blog. Eu queria adicionar alguns comentários a este post. Primeiro, uma discussão relacionada a este tópico está disponível no Stack Overflow. Há claramente que não é um único & # 8220; direito & # 8221; linguagem: para cada um deles. Eu não posso garantir muito para Lush, embora eu aprecie Bottou como pesquisador. Não parece ter muito de uma base de usuários. A comunidade de usuários e o chamado ecossistema é fundamental para a viabilidade da linguagem.
Em relação ao Matlab, é uma linguagem mal projetada. Seu sistema de objetos é aparafusado. É fracamente digitado e passa por valor, com as penalidades de velocidade resultantes. A manutenção do código do Matlab é difícil. Realmente nunca superou suas raízes na álgebra numérica.
Em relação a R, minha impressão é que você não tentou o suficiente. Eu era um usuário pesado do Matlab, mas depois que uma curva de aprendizado da pós-graduação se acostumou, o R. R é na verdade uma linguagem muito mais bem projetada do que o Matlab. Eu nunca tive problemas com a depuração usando o browser () ou debug (). Seu desempenho em operações de álgebra linear é muito semelhante ao Matlab (usando BLAS, ou melhor ATLAS no linux). E, claro, você não quer fazer loops em nenhum dos idiomas. Os pacotes disponíveis em R, de wavelets a métodos de encolhimento, a métodos agrupados, SVM, to lattice / ggplot2, simplesmente não são comparáveis a qualquer coisa que o SAS, o SPSS, o Matlab tem a oferecer.
Os problemas que tenho com R são escalabilidade de velocidade e multicore. Eu posso usar C para velocidade, mas não escalabilidade (a menos que eu consiga um segundo trabalho para depurar multithreads). Eu acho que o F # tem de longe as melhores chances de ter sucesso como uma linguagem científica, rápida e escalável, embora não verdadeiramente multiplataforma.
Obrigado pelo seu comentário detalhado. Você me identificou: eu não estou familiarizado com R, embora tenha feito uma boa quantia neste momento. Eu tenho muitas queixas embora & # 8230; por exemplo, a maioria do que eu faço é baseada em timeseries. R & # 8217; s 6 tipos diferentes de TS, que não são sempre lançados corretamente & # 8230; Eu não gosto deles tanto quanto o que eu escrevi no Lush - somente XTS chega perto das capacidades da minha classe TS, e meu Lush TS tem muito mais funções úteis escritas para ele. O Matlab certamente é uma droga: os objetos nele são inúteis. A coisa é, suga muito menos do que muitas das alternativas. A interface do usuário e a documentação associada estão excelentes.
A base de usuários do Lush é uma droga, no entanto, em comparação com a comunidade de pessoas que fazem cálculos numéricos em Common Lisp: A base de usuários do Lush é incrível e enorme. Como uma linguagem, também tem uma vantagem sobre o Common Lisp: é muito pequeno e facilmente captado em poucos dias. Ele também vem com uma fonte útil que você pode ver e imitar. Quando eu escolhi o Lush para o monstro do meu Frankenstein, eu estava considerando o OCaML (que eu concordo que é uma ótima linguagem, mesmo na versão F #), mas eu fui com o Lush porque muito do trabalho duro já foi feito Exuberante. Eu sou basicamente um cara de aprendizado de máquina, o Lush é projetado para ML, então é um bom ajuste. O Python também foi uma consideração: certamente teria facilitado a minha vida a partir de um ponto de vista de ter coisas já escritas para ele, mas o SWIG + C não é uma solução muito boa para acelerar os bits que precisam ser rápidos, e eles fizeram com o Python 3.0 é totalmente inaceitável. Outro que me chamou a atenção é o Chicken: muito rápido, muito configurável, e não tem os problemas de espaço de nomes que o Lush faz. Ainda assim, estou confortável em minha escolha: não há imagens de Chicken com muitas bibliotecas de matemática em & nbsp ;.
uma sugestão e uma pergunta:
sugestão (re: série temporal): você já experimentou o pacote zoológico? Eu uso regularmente. Tem muitos recursos, como falta de imputação de dados. mais aqui.
pergunta: Estou intrigado com exuberante. Existe um grupo de notícias ou um blog ou qualquer ponto focal da comunidade para exuberante? A única coisa que eu pude ver é que o último anúncio na página de notícias exuberante remonta a dois anos atrás, a última imagem do sourceforge é datada de novembro de 2006, e foi baixada menos de 5.000 vezes. É quando eu fiquei desanimado.
O XTS é um superconjunto do ZOO. Como eu disse, é muito bom. Eu gosto do meu melhor; mas provavelmente é porque eu escrevi. Eu não consegui minha classe ser compilável ainda, mas é um objetivo final.
O Lush é um interpretador lisp muito pequeno, casado com uma linguagem Lispy / Fortrany compilada que você pode intercalar com C ou C ++. Também tem todas as coisas básicas de matriz rápida que você precisa incorporar. Como eu disse, a comunidade de usuários é pequena. Existe uma lista de discussão do sourceforge. A maior desvantagem, além do tamanho da base de usuários, é o fato de não haver nenhuma interface de banco de dados. Eu escrevi uma interface barata para netCDF para shove timeseries, mas é muito lento em gravações, então eu apenas despejo objetos para o arquivo por enquanto. Em algum momento, eu posso escrever um banco de dados TS adequado em HDF e uma interface mySQL. Embora eu também esteja pensando em fazer Lush callable de R, e vice-versa. Enquanto isso, sou pago para fazer outra coisa.
Por que ele governa: é exatamente o nível de abstração que você precisa. Na maioria das vezes você pode escrever código de intérprete de alto nível desleixado. Quando você precisa ir mais rápido ou decidir um projeto básico, pode otimizar até o metal. Teoricamente você pode fazer coisas como essa em Python + SWIG (algo que se torna mais comum em fundos de hedge iluminados) ou OCaML (se eu pudesse desligar o tipo de inferenciador quando não preciso ir rápido / seguro), mas eu Gostei do jeito que Yann e Leon faziam as coisas.
Há uma nova versão dele sendo trabalhada por Ralf Juengling, mas não está pronta para o horário nobre. A versão antiga é bem sólida.
embora eu concorde que existem muitas falhas de design na linguagem matlab, não é verdade que o matlab sempre passa por valor, ele só cria cópias quando necessário, ou seja, ao modificar os dados. Para operações matriciais também é difícil igualar a velocidade do matlab, já que é baseado em blas, loops оh são extremamente lentos em matlab.
1) para séries temporais, você já tentou zoológico? Eu uso e estou muito feliz com isso. Confira as vinhetas.
2) você sabe onde os usuários exuberantes se encontram, fazem perguntas, postam código, etc? No sourceforce, a última imagem foi carregada há dois anos e meio e baixada menos de 5.000 vezes.
Ótimo post no blog. Ainda estou esperando o grupo de TI do meu trabalho aprovar meu download do R, mas tenho experiência com o MATLAB e o SPlus.
Meu ambiente favorito absoluto para codificação rápida e poderosa é o Dyalog APL. A linguagem permite abstração realmente poderosa, e o depurador do IDE é o melhor que eu já vi. Você pode retroceder e avançar e adicionar / modificar código sem precisar sair do modo de depuração. A maioria dos usuários do Dyalog se encontra escrevendo código dentro do depurador.
Eu tive um breve e assustador encontro com APL no aprendizado de álgebra linear quando eu tinha 20 anos ou mais. Certamente parece poderoso, e tem um ótimo pedigree, mas tentando lê-lo: ai. Provavelmente Lisp parece o mesmo para os não iniciados. Enquanto o Lisp não tem o IDE decente (além do emacs + SLIME, que é reconhecidamente muito bom), você pode certamente usar sling code no debugger: é um dos superpoderes do Lisp. De qualquer forma, eu tenho certeza que em algum momento alguém vai me pagar para estilingue K, que é um tipo de variante APL vetorizado por um dos autores originais.
R é loucamente frustrante às vezes, mas com as folhas de dicas úteis & # 8220; & # 8221; você pode fazer muito. Tenho certeza de que o seu Splus irá atendê-lo bem.
Eu amo R, mas, francamente, a melhor linguagem / ambiente de modelagem é a Analytica, publicada pela Lumina. Aqui está uma revisão que eu escrevi sobre isso no ano passado para OR / MS hoje:
Eu ouvi coisas boas sobre isso e sou geralmente a favor de tais coisas. Alguns amigos meus escreveram algo que pode até ser melhor:
Ambos parecem limpos. A conexão com Babcock e Brown é bem engraçada.
opções (erro = recuperar) e opções (aviso = 2) são as configurações mais úteis (não padrão) encontradas para erros comuns. Só para esclarecer, por "acidente" # 8221; você quer dizer que o interpretador R falha? Eu ouvi muitas mais reclamações sobre o matlab - desistir do ghost & # 8221; que R.
Uma fraqueza contínua em R parece ser um conjunto estranho / pobre de escolhas padrão (como nas opções acima). Google & # 8220; stringsasfactors & # 8221; e testemunhar uma longa lista de usuários iniciantes prontos para violentar seus computadores. A manipulação de fatores de risco me levou à beira das lágrimas, apenas para descobrir uma única frase concisa nos documentos que esclarece tudo.
Resumindo, a equipe de Relações Públicas de RI provavelmente não ganhará nenhum prêmio hoje, amanhã ou nunca - # 8230;
Acho que encontrei "stringsasfactors" # 8221; antes. Eu moro no depurador R nos últimos dias. Quando digo que cai, quero dizer acidente como em acidentes R; às vezes com pagefault, às vezes ele fica preso em algum tipo de loop de ESS REPL - & gt; em algum outro loop, provavelmente com os bits TK do debugger. De qualquer maneira, eu perco o que eu estava fazendo com um kill -9.
Outra diversão: acompanhar quais bibliotecas você carregou de onde. Eu encontrei um divertido & # 8220; erro & # 8221; no meu código que não poderia ser reproduzido em diferentes instalações de R; Aparentemente, a versão antiga do XTS (ou ZOO, eu nunca descobri qual era a culpa) permitiu subetet muito desleixado. A nova versão requer que tudo seja assim. Descobrir qual lib R estava apontando para & # 8230; qualquer um dos 3-4 no Framework ou meu diretório inicial: insanidade. No final, eu terei que manter uma distribuição R junto com o meu código, porque as bibliotecas mudam muito embaixo do código, eu não posso confiar no CRAN para fazer isso por mim para qualquer coisa que se pareça com software . Deveria ter feito isso em Lush.
Scott, você encontrou algum problema de estabilidade no Lush? Eu não tenho muitos problemas com a estabilidade do núcleo R. Na verdade, acho que a distribuição básica é estável. Bibliotecas, no entanto, variam muito. Os que funcionam melhor são geralmente portas de código sólido C / Fortran desenvolvido independentemente. Além disso, aqueles que são mais antigos e mais usados funcionam melhor (geralmente). Além disso, estou explorando os dialetos de Lisp. Lush é muito intuitivo. No entanto, estou usando o Clojure e gosto muito dele. Não vem com pilhas incluídas, no entanto. Incanter é um projeto que visa construir uma plataforma estatística / numérica sobre o Clojure. É nos estágios iniciais, no entanto.
Você pode facilmente quebrar exuberante com ponteiros nulos e tudo o mais se você está transando em C. Não há muito o que você pode fazer sobre isso. A ideia é ficar longe de C; basta encapsular os bits que você precisa e deixar o resto sozinho. Eu perdi o coletor de lixo com alguma recursão estranha também. Meus comentários aplicam-se apenas a 1.x lush: 2.0 é bastante diferente, e eu ainda não tenho experiência suficiente para comentar. É muito melhor de várias maneiras óbvias; Eu suspeito que seja mais estável também.
Clojure é interessante, embora eu me sinta melhor em recorrer ao C do que em recorrer ao Java, mesmo que o último seja mais seguro. Incanter parece incrivelmente difícil.
Eu suspeito que a maioria das pessoas acharia o Lush muito bonito e desajeitado. Comparado, digamos, a OCaML, não é sólido ou bem desenvolvido. Mas é incrivelmente útil para fazer as coisas. Eu posso algum dia me arrepender de passar o tempo no Lush ao invés da OCaML, mas duvido.
Eu não li a discussão completamente, mas apenas para falar sobre R - eu acho que tem o seu lugar como software de análise de dados / estatística, e por isso é superior ao MATLAB. Eu tive os mesmos problemas com IDEs e especialmente o fato de que o sistema de ajuda é difícil de usar, mas o Rstudio e (até certo ponto) o Eclipse são muito bem, eu acho, as dicas de autocompletar e de função ajudam muito (soa um pouco infantil , mas é importante).
Ultimamente o desempenho (com 2.13) está ficando melhor e eu diria que o sistema de pacotes CRAN é incrivelmente eficiente, ajudando-me a encontrar o pacote certo e a obter qualquer stat. métodos em funcionamento em minutos.
Então, novamente, eu estava tentando usá-lo em um projeto F #, e toda a interoperabilidade COM não está funcionando para a versão atual, por isso é obrigado a fazer você louco # 8230; Eu acho que a depuração é uma história semelhante.
Dois anos e meio mais de experiência, e eu cheguei a um acordo com o depurador (ainda é uma droga se comparado a Matlab ou Lisp). Eu fiquei melhor na vetorização do meu código também, o que melhora o desempenho (o que ainda é uma droga se comparado ao Lisp).
ESS + emacs é bem legal. ESS + Tramp é bastante útil também, quando se trabalha na nuvem: não sei se você pode fazer esse truque usando o Rstudio ou o eclipse.
CRAN está OK, mas & # 8230; por exemplo: qual pacote do KD-tree devo usar? Há 6 deles última vez que chequei!
Meu Lisp favorito está tendo problemas em criar links para objetos C ++ de 64 bits nos dias de hoje, então eu posso acabar com um nerd OCaML depois de tudo & # 8230;
Eu vi o seu comentário sobre hdf5 w / Lush em bronzekopf. sourceforge / & amp; gostaria de experimentá-lo.
Eu gostei do XLispStat (Vista) e acho que o Lush é muito interessante, mas não veja dev suficiente nos últimos tempos. Eu principalmente uso sbcl agora. Ele / (CommonLisp) tem o início de conexões para R, Octave, hdf5 e até mesmo scidb, embora apenas o rclg tenha funcionado imediatamente.
Ótimo tópico de comentários. Eu sou um usuário R inveterado, e estou ajudando a ensinar um laboratório no Matlab neste semestre (que é como acabei aqui).
* I’ve noticed that R has a relatively large vocabulary, which makes the learning curve rather steep. It reminds me a bit of vim — nearly a decade later, and I’m still learning commands/functions that accelerate my productivity/clarity.
It’s funny, I like the R docs more and more as I use them. At least for the core docsstate *precisely* what they do (though packages are another story), but there’s not much hand-holding. Cross-listing and search functions could be better.
* R. e. speed — again, there’s a *big* learning curve here: R makes it easy to write slow code, while simple habits yield order-of-magnitude speedups. Burns Statistics “The R Inferno” does a great job of pointing out the worst offenders.
I’m really curious to see a problem where Lisp beats R in runtime. I know of a few examples of explicit looping, MCMC-type stuff, that I’ve gotten into the habit of pushing into C++ with the amazing Rcpp package. Can you think of a pseudo-code example where there’s a 2x speed difference betwixt the two?
* R’s “core” is still evolving (sometimes rapidly), which has cleaned a few things up. Packages now *require* namespaces, which really cuts down on naming collisions and confusions, for example.
* One major remaining weakness in R is memory management (and threads). The traditional answer has been “buy more RAM”, which generally works well. On the other hand, many problems are amenable and arguably more efficient with divide-and-conquer MapReduce type processing anyway. Any thoughts on memory limitations and parallelism in Lush & Matlab?
One of the things about Lush is the ability to natively call C, or compile to C with simple numeric code. This means it virtually always wins over R, by factors of 10-100. Regression, for example, is that much faster. I’ve managed to go even faster using the multicore capabilities of Clojure and stuff like tuned JBlas. They’re not fair comparisons, as the lm() gizmo does way too much stuff, but most of the time, I don’t want that damn stuff, nor do I want to figure out any of the many ways of calling something which might be faster. Usually there is a way to get “fast enough” in R, but you have to figure it out, and if stack up a bunch of things it is bad at (say, storing timeseries in a DB), then regressing a bunch of subsets of the ts against other ts, and you get to some annoying delays.
FWIIW, I have been fiddling with J recently, and if I could figure the FFI out, I might like it almost as much as Lush. Not as well documented, and the source is often impenetrable, but it’s very handy at certain things, and very fast.
I very much understand the imperfections of *R* but, as said, the CRAN libraries are something I can’t do without. These are not only good for statistics, but there’s no place in numerical computing, shy of having access to NAG or Mathematica, which has as rich a set of options. MATLAB’s is pretty good, even that from the MATLAB community, but they are slow rolling theirs out in comparison to CRAN.
My biggest complaint about CRAN is when packages I’ve used get obsolesced and withdrawn, and the occasional package that is either incomplete or is broken, and this is discovered only after using it for a time.
Some of the speed shortcomings can be overcome by (a) pre-allocating data structures rather than building them on the fly, (b) learning to write vectorized code (as one might in J and can in MATLAB and in Python), (c) learning how to use multiple cores, principally using the _parallel_ package facility, and (d) learning some of the specialized facilities supporting big memory and crunching, notably the “big” series of packages, like _biglm_. As far as an IDE goes, I have a good editor, as do many, and editing R files and then sourcing them is pretty painless. There are some editors which permit you to configure them to automatically submit a source file to *R* (or anywhere) and will even capture the console output within the editor. The editor I use, _ultraedit_, can do that, but I found it just easier to use two different open windows.
CRAN is an irreplaceable resource. I go back and forth about the disappearance of CRAN libs. I always wanted to fiddle with GTM, so I dug up the old sources. Unfucking them was a nightmare; the guy who wrote them didn’t want to continue. Writing my own in J was a lot easier.
Parallelism in R is pretty bad; it’s just the old fork a memory image trick. Works OK for optimization or monte carlo things. For most data problems, you can get things done in R. Much of it isn’t good code, but it almost always gives the right answers and a way of doing things somehow.
Advanced Source Code . Com.
Figure 1. Iris image.
Highly optimized code: the execution time reduced of 94%, more than 16 times faster than original code (Libor Masek's implementation) Matching module Optimized memory allocation Iris recognition Interactive and intuitive GUI C code included Demo code (protected P-files) available for performance evaluation.
Essa doação deve ser considerada um incentivo para melhorar o próprio código.
Depois de ter feito isso, envie um email para luigi. rosa@tiscali. it.
As soon as possible (in a few days) you will receive our new release of Iris Recognition System.
The authors have no relationship or partnership with The Mathworks. Todo o código fornecido é escrito em linguagem Matlab (M-files e / ou M-functions), sem dll ou outras partes protegidas de código (arquivos P ou executáveis). O código foi desenvolvido com o Matlab 14 SP1. Matlab Image Processing Toolbox is required. O código fornecido deve ser considerado & quot; como é & quot; e é sem qualquer tipo de garantia. Os autores negam qualquer tipo de garantia relativa ao código, bem como qualquer tipo de responsabilidade por problemas e danos que possam ser causados pelo uso do próprio código, incluindo todas as partes do código-fonte.
Speaker recognition is the process of automatically recognizing who is speaking on the basis of individual information included in speech waves.
A tecnologia de reconhecimento de fala é usada cada vez mais para aplicativos de telefone, como reserva de viagens e informações, informações de contas financeiras, roteamento de chamadas de atendimento ao cliente e assistência de diretório. Using constrained grammar recognition, such applications can achieve remarkably high accuracy.
Advanced Source Code . Com.
We develope Matlab source code for image and signal processing, numerical simulations and improve the efficiency (in terms of running time or resource usage) of Matlab scripts. Biometric recognition Face recognition Face Recognition System.
[Software description][Matlab code download] Fusion of Low-Computational Global and Local Features For Face Recognition.
[Software description][Matlab code download] Low Computational Iris Recognition Based on Moving Average Filter.
[Software description][Matlab code download] Knowledge-Based Eye Detection for Human Facial Expression Recognition.
Speaker recognition is the process of automatically recognizing who is speaking on the basis of individual information included in speech waves.
A tecnologia de reconhecimento de fala é usada cada vez mais para aplicativos de telefone, como reserva de viagens e informações, informações de contas financeiras, roteamento de chamadas de atendimento ao cliente e assistência de diretório. Using constrained grammar recognition, such applications can achieve remarkably high accuracy.
System Requirements & Platform Availability.
Requires MATLAB Requires Simulink Requires Aerospace Toolbox Control System Toolbox recommended.
Requires MATLAB RF Toolbox recommended Phased Array System Toolbox recommended.
Requires MATLAB Requires Computer Vision System Toolbox Requires Image Processing Toolbox The vehicleDetectorFasterRCNN class requires Neural Network Toolbox. Parallel Computing Toolbox is required for GPU support. Statistics and Machine Learning Toolbox recommended Simulink recommended Neural Network Toolbox recommended Parallel Computing Toolbox recommended.
Requires MATLAB Requires Signal Processing Toolbox Requires DSP System Toolbox Fixed-Point Designer recommended Simulink Coder recommended Simulink recommended RF Toolbox recommended RF Blockset recommended Parallel Computing Toolbox recommended MATLAB Coder recommended LTE System Toolbox recommended WLAN System Toolbox recommended HDL Coder recommended.
Requires MATLAB.
Requires MATLAB Requires a supported data acquisition hardware device and its associated driver software.
Your system must have access to an installed database. Database Toolbox supports importing and exporting data from any ODBC - and JDBC-compliant database management system, including:
IBM DB2 IBM Informix Ingres Microsoft Access Microsoft Excel Microsoft SQL Server MySQL Oracle PostgreSQL Sybase SQL Server Sybase SQL Anywhere.
Database Toolbox requires a database driver. You typically install a driver when you install a database. For instructions about how to install a database driver, consult your database administrator.
On Windows platforms, Database Toolbox supports Open Database Connectivity (ODBC) drivers and Java Database Connectivity (JDBC) drivers. On UNIX platforms, Database Toolbox supports JDBC drivers. See product documentation for more details.
Database Toolbox supports American National Standards Institute (ANSI) standard SQL commands.
Requires MATLAB.
Datafeeds available only on Windows from:
Requires MATLAB Requires Simulink Report Generator (to execute tests for Simulink Check tool qualification)
Requires MATLAB Requires Signal Processing Toolbox Simulink recommended Fixed-Point Designer recommended Communications System Toolbox recommended Simulink Coder recommended MATLAB Coder recommended Simulink required to use block library.
Requires MATLAB Requires Statistics and Machine Learning Toolbox Requires Optimization Toolbox.
Requires MATLAB Requires MATLAB Coder Requires Simulink for generating code from Simulink Requires Simulink Coder for generating code from Simulink Requires Fixed-Point Designer for generating fixed-point code Requires host platform C compiler. See list of supported host compilers. Requires cross-compiler for the target processor if the code will execute on a platform different from the host.
Requires MATLAB Requires Signal Processing Toolbox Requires Fixed-Point Designer Requires DSP System Toolbox HDL Coder recommended HDL Verifier recommended.
Requires MATLAB Requires Financial Toolbox Requires Statistics and Machine Learning Toolbox Requires Optimization Toolbox The fitSmoothingSpline function requires Curve Fitting Toolbox Econometrics Toolbox recommended Datafeed Toolbox recommended Curve Fitting Toolbox recommended Global Optimization Toolbox recommended Database Toolbox recommended.
Requires MATLAB Requires Statistics and Machine Learning Toolbox Requires Optimization Toolbox.
Requires MATLAB Requires Simulink for fixed-point design in Simulink.
Requires MATLAB Requires Simulink for using toolbox blocks.
Requires MATLAB Requires Optimization Toolbox Parallel Computing Toolbox recommended.
Requires MATLAB Requires MATLAB Coder Requires Parallel Computing Toolbox.
Requires MATLAB Requires Fixed-Point Designer Requires MATLAB Coder Simulink recommended Signal Processing Toolbox recommended DSP System Toolbox recommended HDL Verifier recommended.
Requires MATLAB Simulink recommended Fixed-Point Designer recommended MATLAB Coder required for DPI component generation.
Requires MATLAB Requires Simulink Report Generator (to execute tests for Simulink Check tool qualification)
Requires MATLAB Requires Image Processing Toolbox Computer Vision System Toolbox recommended.
Requires MATLAB Signal Processing Toolbox recommended Statistics and Machine Learning Toolbox recommended Computer Vision System Toolbox recommended Wavelet Toolbox recommended Image Acquisition Toolbox recommended Mapping Toolbox recommended.
Requires MATLAB For VISA and GPIB support, availability and installation of third-party platform-specific GPIB and VISA libraries are required.
Requires MATLAB Requires Simulink Requires Communications System Toolbox.
Requires MATLAB Requires Signal Processing Toolbox Requires DSP System Toolbox Requires Communications System Toolbox Instrument Control Toolbox recommended Parallel Computing Toolbox recommended HDL Coder recommended RF Blockset recommended.
Requires MATLAB Statistics and Machine Learning Toolbox recommended Image Processing Toolbox recommended.
Requires MATLAB Simulink Coder recommended Embedded Coder recommended Requires Fixed-Point Designer for generating fixed-point code Requires host platform C compiler. See list of supported host compilers. Requires cross-compiler for the target processor if the code will execute on a platform different from the host.
Requires MATLAB.
Requires MATLAB Requires MATLAB Compiler Creating libraries and components that will be integrated with other programming languages requires a compiler for those languages. See list of supported compilers.
Requires Parallel Computing Toolbox on user desktop; MATLAB Distributed Computing Server is installed on cluster computers.
Does not require MATLAB or Simulink.
Requires MATLAB.
Requires MATLAB Requires Control System Toolbox Requires Simulink for using toolbox blocks Simulink Control Design recommended.
Requires MATLAB Requires Simulink Requires Optimization Toolbox Requires Statistics and Machine Learning Toolbox Requires Symbolic Math Toolbox Neural Network Toolbox recommended Parallel Computing Toolbox recommended Global Optimization Toolbox recommended.
Requires MATLAB Simulink recommended Parallel Computing Toolbox recommended.
Requires MATLAB.
Requires MATLAB Parallel Computing Toolbox recommended.
Requires MATLAB MATLAB Distributed Computing Server is required for running computations on remote machines. Requirements for Parallel Computing on the Desktop (using local workers available with Parallel Computing Toolbox) Maximum of 1 MATLAB worker per CPU core is recommended. Minimum of 1 GB RAM per MATLAB worker is recommended while running workers locally on the desktop. A worker consumes memory equivalent to a MATLAB session running without the MATLAB desktop. Minimum of 5 GB of disk space is recommended to accommodate temporary data directories. Requirements for GPU Computing CUDA-enabled NVIDIA GPU with compute capability 2.0 or higher. For releases 14a and earlier, compute capability 1.3 is sufficient. In a future release, support for GPU devices of compute capability 2.x will be removed. At that time, a minimum compute capability of 3.0 will be required. (Is my GPU supported?) Latest graphics driver (Get the latest driver.)
Requires MATLAB.
Requires MATLAB Requires DSP System Toolbox Requires Signal Processing Toolbox Simulink recommended.
Requires MATLAB Polyspace Code Prover recommended.
Polyspace Server for Ada recommended.
Requires MATLAB Requires Polyspace Bug Finder.
Polyspace Client for Ada recommended.
Requires MATLAB Requires Simulink Stateflow recommended Simscape recommended Model-Based Calibration Toolbox recommended.
Requires MATLAB Requires Simulink Requires RF Toolbox Communications System Toolbox recommended DSP System Toolbox recommended Signal Processing Toolbox recommended.
Requires MATLAB Communications System Toolbox recommended.
Requires MATLAB Requires Financial Toolbox Requires Statistics and Machine Learning Toolbox Requires Optimization Toolbox Financial Instruments Toolbox recommended Econometrics Toolbox recommended Datafeed Toolbox recommended Global Optimization Toolbox Database Toolbox recommended.
Requires MATLAB Image Processing Toolbox recommended Simulink Coder recommended Computer Vision System Toolbox recommended Simscape Multibody recommended Stateflow recommended Simulink recommended Embedded Coder recommended.
Requires MATLAB Requires Control System Toolbox Requires Simulink for using toolbox blocks Simulink Control Design recommended.
Requires MATLAB DSP System Toolbox recommended.
Requires MATLAB Global Optimization Toolbox recommended Optimization Toolbox recommended Parallel Computing Toolbox recommended Statistics and Machine Learning Toolbox recommended.
Requires MATLAB Requires Simulink Stateflow recommended Statistics and Machine Learning Toolbox recommended.
Requires MATLAB Requires Simulink.
Requires MATLAB Requires Simulink Requires Simscape.
Requires MATLAB Requires Simulink Requires Simscape Simulink Control Design recommended Optimization Toolbox recommended Simscape Multibody recommended Simscape Fluids recommended Control System Toolbox recommended Simulink Design Optimization recommended.
Requires MATLAB Requires Simulink Requires Simscape.
Requires MATLAB Requires Simulink Requires Simscape.
Requires MATLAB Requires Simulink Requires Simscape.
Requires MATLAB Requires Fixed-Point Designer for simulating fixed-point data types Some features require the use of a C Compiler. See the list of supported compilers.
Requires MATLAB Simulink recommended Simulink is required if using the blockset portion of the product.
Requires MATLAB.
Requires MATLAB Requires Simulink Requires host platform C compiler supported by MATLAB (for loadlibrary usage). See list of supported host compilers.
Requires MATLAB Requires Simulink Requires MATLAB Coder Embedded Coder recommended Simulink Real-Time recommended Requires Fixed-Point Designer for generating fixed-point code Requires host platform C compiler. See list of supported host compilers. Requires cross-compiler for the target processor if the code will execute on a platform different from the host.
Requires MATLAB Requires Simulink Requires Control System Toolbox Simulink Design Optimization recommended.
Requires MATLAB Requires Simulink Simulink Test recommended Simulink Design Verifier recommended Embedded Coder recommended.
Requires MATLAB Requires Simulink Requires Optimization Toolbox Global Optimization Toolbox recommended Parallel Computing Toolbox recommended Simulink Control Design recommended Control System Toolbox recommended Statistics and Machine Learning Toolbox recommended.
Requires MATLAB Requires Simulink Requires Simulink Check Requires Simulink Coverage.
Requires MATLAB Requires Simulink Simulink Coder recommended MATLAB Coder recommended.
Requires MATLAB Requires Simulink.
Requires MATLAB Requires Simulink Requires Simulink Coder Requires MATLAB Coder Stateflow recommended Available on 32-bit Windows and 64-bit Windows only Requires a compiler (See supported compiler versions)
Requires MATLAB Requires Simulink Requires MATLAB Report Generator.
Requires MATLAB Requires Simulink Simulink Test recommended.
Requires MATLAB Requires Simulink Simulink Design Verifier recommended Simulink Report Generator recommended Embedded Coder recommended Simulink Check recommended Stateflow recommended.
Requires MATLAB Supports Office 32-bit and 64-bit installations Requires one of the following versions of Excel: Excel 2007 Excel 2010 Excel 2013 or later.
Requires MATLAB Requires Simulink Requires C Compiler when used in non-Windows or 64-bit environments. See the list of supported compilers.
Requires MATLAB.
Requires MATLAB.
Requires MATLAB Requires Simulink for using toolbox blocks Signal Processing Toolbox recommended Control System Toolbox recommended.
Requires MATLAB Requires Statistics and Machine Learning Toolbox.
Requires MATLAB Financial Toolbox recommended Financial Instruments Toolbox recommended Econometrics Toolbox recommended Datafeed Toolbox recommended Global Optimization Toolbox recommended.
Windows only support:
Requires MATLAB Simulink recommended.
Requires MATLAB HDL Coder recommended Image Processing Toolbox recommended Fixed-Point Designer recommended Computer Vision System Toolbox recommended HDL Verifier recommended Simulink recommended.
Requires MATLAB Signal Processing Toolbox recommended Image Processing Toolbox recommended Statistics and Machine Learning Toolbox recommended.
Requires MATLAB Requires Signal Processing Toolbox Requires DSP System Toolbox Requires Communications System Toolbox Instrument Control Toolbox recommended Parallel Computing Toolbox recommended LTE System Toolbox recommended HDL Coder recommended RF Blockset recommended MATLAB Coder recommended.
Escolha o seu país.
Escolha o seu país para obter conteúdo traduzido onde estiver disponível e veja eventos e ofertas locais. Com base na sua localização, recomendamos que você selecione:.
Você também pode selecionar um local na lista a seguir:
América Latina (Español) Canadá (inglês) Estados Unidos (inglês)
Bélgica (inglês) Dinamarca (inglês) Deutschland (Deutsch) España (Español) Finland (inglês) France (Français) Ireland (inglês) Italia (Italiano) Luxembourg (inglês)
Holanda (inglês) Noruega (inglês) Österreich (Deutsch) Portugal (inglês) Sweden (inglês) Switzerland Deutsch English Français Reino Unido (inglês)
Ásia-Pacífico.
Austrália (inglês) Índia (inglês) Nova Zelândia (inglês) 中国 (简体 中文) 日本 (日本語) 한국 (한국어)
Explorar produtos.
Experimente ou compre.
Aprenda a usar.
Obtenha suporte.
Sobre o MathWorks.
Acelerando o ritmo da engenharia e da ciência.
MathWorks é o desenvolvedor líder de software de computação matemática para engenheiros e cientistas.
No comments:
Post a Comment