序号

软件名称

性能参数/技术指标要求

1

中国疾控中心辐射安全所MATLAB工具包

2

项目建设内容要求

2.1

Parallel Computing Toolbox

利用Parallel Computing Toolbox™，可以使用多核处理器、GPU和计算机集群来解决计算问题和数据密集型问题。利用并行for循环、特殊数组类型和并行化数值算法等高级别构造，无需进行CUDA或MPI编程即可对MATLAB®应用程序进行并行化。 通过该工具箱可以使用MATLAB和其他工具箱中支持并行的函数。你可以将该工具箱与Simulink®配合使用，并行运行一个模型的多个仿真。程序和模型可以在交互模式和批处理模式下运行。

工具箱通过在本地运行的worker（MATLAB计算引擎）上执行应用程序，允许你充分利用多核台式机的处理能力。无需更改代码，即可在集群或云上运行同一个应用程序（使用MATLAB Parallel Server™）。还可以将该工具箱与MATLAB Parallel Server结合使用，以执行由于太大而无法装入单台机器内存的矩阵计算。

2.2

Computer Vision Toolbox

Computer Vision Toolbox™ 提供多种算法、函数和App，可用于设计和测试计算机视觉、三维视觉和视频处理系统。您可以执行目标检测和跟踪，以及特征检测、提取和匹配。对于三维视觉，该工具箱支持单目相机、立体相机和鱼眼相机标定；立体视觉；三维重建；激光雷达及三维点云处理。各种计算机视觉App可自动执行真值标注和相机标定工作流程。

可以使用YOLO v2、Faster R-CNN和ACF等深度学习和机器学习算法训练自定义目标检测器。对于语义分割，您可以使用SegNet、U-Net和DeepLab等深度学习算法。使用预训练模型，您可以检测面部、行人及其他常见目标。 您可以在多核处理器和GPU上运行算法以实现加速。大多数工具箱算法都支持C/C++代码生成，以便集成到现有代码、桌面原型以及嵌入式视觉系统部署。

2.3

Deep Learning Toolbox

Deep Learning Toolbox™ 包含一系列算法、预训练模型和应用程序，为您设计和实现深度神经网络提供框架。您可以使用卷积神经网络(ConvNet、CNN)和长短期记忆(LSTM)网络，对图像、时间序列和文本数据执行分类和回归。您可以使用自动微分、自定义训练循环和共享权重构建网络架构，例如生成式对抗网络(GAN)和孪生网络。借助Deep Network Designer应用程序，您能够以图形方式设计、分析和训练网络。Experiment Manager应用程序可帮助您管理多个深度学习实验、跟踪训练参数、分析结果，并比较来自不同实验的代码。您可以将层激活区域可视化，并以图形方式监控训练进度。 您可以通过ONNX格式实现与TensorFlow™ 及PyTorch间的模型交换，也可以从TensorFlow-Keras和Caffe导入模型。该工具箱支持基于DarkNet-(略)、ResNet-(略)、NASNet、SqueezeNet及其他多种预训练模型进行迁移学习。 您可以在单GPU或多GPU工作站上更快地训练模型（需要Parallel Computing Toolbox™），或者将运算扩展到集群和云，例如NVIDIA® GPU Cloud和Amazon EC2® GPU实例（需要MATLAB Parallel Server™）。

2.4

Symbolic Math Toolbox

Symbolic Math Toolbox™ 提供求解、绘制和推导符号数学方程的函数。您可以使用MATLAB®实时编辑器创建、运行和共享符号数学代码。该工具箱提供多个常见数学领域的函数，涉及微积分、线性代数、代数和常微分方程、方程化简和方程推导。 Symbolic Math Toolbox支持您以解析方式执行微分、积分、化简、转换和方程求解。您可以使用SI和US单位系统执行量纲计算和转换。您可以采用解析法或者可变精度算术进行计算，并以数学排版呈现结果。 您可以将您的符号计算成果作为实时脚本共享给其他MATLAB用户，或者将其转换为HTML或PDF进行发布。您可以从直接符号表达式生成MATLAB函数、Simulink®函数模块和Simscape™ 方程。

2.5

ControlSystemToolbox

Control System Toolbox™ 为系统化地分析、设计和调节线性控制系统提供算法和应用程序。您可以将系统指定为传递函数、状态空间、零极点增益或频率响应模型。通过应用程序和函数（如阶跃响应图和波特图），您可以分析和可视化时域和频域中的系统行为。

您可以使用交互式方法（如波特回路整形和根轨迹方法）来调节补偿器参数。该工具箱可以自动调节 SISO 和 MIMO 补偿器，包括 PID 控制器。补偿器可以包括多个跨越若干反馈回路的可调节模块。您可以调节增益调度控制器并指定多个调节目标，如参考跟踪、干扰抑制和稳定裕度。您可以通过校验上升时间、超调量、稳定时间、增益和相位裕度及其他要求来验证您的设计。

2.6

Fuzzy Logic Toolbox

Fuzzy Logic Toolbox™ 提供了 MATLAB® 函数、应用程序和 Simulink® 模块，用于对基于模糊逻辑的系统进行分析、设计和仿真。该产品将指导您按步骤完成模糊推理系统的设计。它为很多常用的方法，包括模糊聚类和自适应神经模糊学习，提供了函数。

借助此工具箱，您可以使用简单的逻辑规则为复杂的系统行为建模，然后在模糊推理系统中实现这些规则。您可以将其用作独立的模糊推理引擎。或者可以在 Simulink 中使用模糊推理模块，在整个动态系统的综合模型中对模糊系统进行仿真。

2.7

Model Predictive Control Toolbox

Model Predictive Control Toolbox™ 提供一系列函数、App 和 Simulink® 模块，支持您利用线性和非线性模型预测控制 (MPC) 来设计和仿真控制器。您可以使用该工具箱指定被控对象和扰动模型、时域、约束和权重。通过运行闭环仿真，您可以评估控制器性能。

通过在运行时改变控制器权重和约束，您可以调整控制器的行为。该工具箱提供了可部署的优化求解器，同时还允许您使用自定义求解器。要控制非线性被控对象，您可以实现自适应、增益调度和非线性 MPC 控制器。对于采样速率较快的应用，您可以使用该工具箱从常规控制器生成显式模型预测控制器，或者实现近似解。

对于快速原型和嵌入式系统实现（包括优化求解器的部署），此工具箱支持 C 代码和 IEC (略)-3 结构化文本生成。

2.8

Text Analytics Toolbox

Text Analytics Toolbox™ 提供多种算法和可视化，可用于文本数据的预处理、分析和建模。使用该工具箱创建的模型可用于情感分析、预测性维护和主题建模等应用。

Text Analytics Toolbox 中的工具可用于处理不同来源（例如设备日志、新闻提要、调查、操作员报告和社交媒体）的原始文本。您可以从常用文件格式中提取文本、预处理原始文本、提取单个单词、将文本转换为数字表示以及构建统计模型。

借助 LSA、LDA 和词嵌入等机器学习方法，您可以在高维文本数据集中查找簇并由此创建特征。您可以将使用 Text Analytics Toolbox 创建的特征与来自其他数据源的特征相结合，以构建综合运用文本、数字和其他类型数据的机器学习模型。

3

项目实施要求

3.1

项目工期要求

自签订合同之日起(略)个自然日之内完成交付，并根据需求进行现场安装、调试、培训。

序号

产品名称

品牌

规格/型号

单价

数量

计量单位

总价

1

2

3

4