Die umfangreiche Aktualisierung von Matlab und Simulink auf Version 2016a bringt unter anderem einen neuen, interaktiven Editor mit, der sofort anzeigt, was der eingegebene Code bewirkt.
Mit dem Release 2016a erhält Matlab nun einen Live Editor, mit dem man Code in einer interaktiven Umgebung schreiben kann. Dort wird sofort angezeigt, welche Ergebnisse der eingetippte Code produziert und wie sich das Ergebnis bei Änderungen des Codes verhält. Auch Bilder, Hyperlinks und formatierter Text können in den Editor eingefügt werden, um die Präsentation einer Berechnung ansprechender und verständlicher zu machen. Sowohl für ingenieursmäßiges Rechnen als auch für die Lehre entstehen interaktive Dokumente, die die Mechanismen komplexer Berechnungen und die Änderung von Parametern sehr anschaulich machen.
Entwicklungsumgebung für Apps
Der App Designer ist ein Entwicklungshilfsmittel, das typische Aufgaben für die Entwicklung einer Matlab-Applikation vereinfacht: Er hilft beim Anordnen von Bedienelementen auf dem Bildschirm und der Programmierung des Verhaltens der App. Dazu enthält der App Designer eine Sammlung von Standard-Bedien- und Anzeigeelementen wie Knöpfe, Schalter, Regler, Zeigerinstrumente, Leuchten usw., um eine Mensch-Maschine-Schnittstelle zu entwickeln. Der Entwickler kann mit einem Handgriff umschalten zwischen der Darstellung der Bedienoberfläche und der Code-Ansicht, die eine integrierte Version des Matlab-Editors darstellt. Über den Editor können Eigenschaften geändert und Parameter angepasst werden. Der App Designer erzeugt objektorientierten Code. Dadurch können Daten innerhalb der App auf einfache Weise global genutzt werden. Die kompakte Code-Struktur sorgt für einfaches Verständnis und leichte Wartbarkeit. Apps werden als eine einzige Datei abgespeichert, die sowohl Code als auch Layout-Daten enthält. Die App kann an andere Nutzer weitergegeben werden, indem diese Datei übermittelt wird oder durch hochladen in die „App Gallery“ von Mathworks.
Für Algorithmen, die angelernt werden müssen, verfügt Matlab über ein „faltendes“ neuronales Netzwerk. Ein solches maschinelles Lernsystem wird zunächst durch die Eingabe zahlreicher Bilder trainiert. Aus diesen Bildern lernt das Netzwerk bestimmte Eigenschaften der Bilder zu bestimmen. Wenn der Lernprozess abgeschlossen ist, ist die Erkennungsrate häufig besser als bei konventionellen Bildanalysemethoden. Um das neuronale Netzwerk nutzen zu können, müssen die Neural Network Toolbox, die Parallel Computing Toolbox und die Statistics and Machine Learning Toolbox installiert sein und außerdem muss der Computer über eine CUDA-fähige Grafikkarte – also eine Nvidia-Grafikkarte, die für paralleles Rechnen genutzt werden kann – verfügen.
Ferner gibt es diverse kleinere Feature-Verbesserungen, sowohl in Matlab als auch in den Zusatz-Toolboxen als auch in Simulink: