在实际的工程应用和学术研究中，Simscape依托MathWorks多年的技术积累、海量的官方资源以及MATLAB/Simulink的普及程度，往往有着更加平滑的学习曲线。且工程落地效率高，适合企业内部统一工具链。Modelica通过开源建立了一个充满潜力的生态，适合构建可复用的大型多物理域系统库与跨组织模型交换；在复杂约束系统和标准化生态协作方面更具优势。在笔者看来，随着AI大模型、智能体的不断

MCP（Model Context Protocol，模型上下文协议）是由Anthropic于2024年推出的一项开源标准。在过去，AI大模型往往无法直接获取应用程序的数据和控制权限，只能依靠用户复制粘贴或上传知识库。借助MCP，AI大模型可以连接到数据源（例如本地文件、数据库）、工具（例如搜索引擎、计算器）和工作流程（例如专门的提示），从而使它们能够访问关键信息并执行任务。简单来说，MCP就像是

Simulink集成外部C/C++代码方法综述 Simulink提供了多种集成外部C/C++代码的方法，以满足不同应用场景的需求。主要集成方式包括： C Caller模块：R2018b引入，适合简单函数调用，图形化配置自动解析头文件，无缝集成仿真和代码生成，适用于嵌入式系统开发。 C Function模块：R2020a引入，提供更高灵活性，支持数据预处理和多函数调用，适合复杂算法集成，基于S-Fu

支持向量机（SVM：support vector machine）另一种功能强大、应用广泛的学习算法，可应用于分类、回归、密度估计、聚类等问题。SVM可以看作是感知器（可被视为一种最简单形式的前馈神经网络，是一种二元线性分类器）的扩展，与逻辑回归相比，支持向量机在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。SVM是一种监督式的学习方法，用统计风险最小化的原则来估计一个分类的，其基础的

Large Language Models (LLMs) with MATLAB库可以实现将 MATLAB 连接到 OpenAI Chat Completions API（支持 ChatGPT）、OpenAI Images API（支持 DALL·E）、Azure OpenAI 服务和本地 Ollama模型的代码，可以实现直接在 MATLAB 环境中利用大型语言模型的自然语言处理功能。LLMs w

既然想要在本地计算机或服务器配置大模型，就不得不提到一个神器 — OllamaOllama是一个开源框架，专门设计用于在本地运行大型语言模型。它的主要特点是将模型权重、配置和数据捆绑到一个包中，从而优化了设置和配置细节，包括GPU使用情况，简化了在本地运行大型模型的过程。Ollama一开始仅支持macOS和Linux操作系统，近期也推出了支持Windows系统的预览版。这里以Windows系统为例

k-nearest neighbors（KNN）算法是监督机器学习中最简单但最常用的算法之一。KNN通常被认为是一种惰性的学习算法，从技术上讲，它只是存储训练数据集，而不经历训练阶段。KNN的原理是将新样本的特征与数据集中现有样本的特征进行比较。然后通过算法选择最接近的k个样本（k是自定义参数），新样本的输出是基于"k"最近样本的多数类(用于分类)或平均值(用于回归)确定的。

基于树的学习算法是一种广泛而流行的非参数、有监督的分类和回归方法。基于树的学习算法的基础是决策树（decision tree），它将一系列决策规则串联起来，看起来像一棵倒立的树，第一条决策规则位于树顶，称之为随后的决策规则分布在树下。在决策树中，每条决策规则都出现在一个上，并通过该规则创建分支，通向新的节点。末端没有决策规则的分支称为。机器学习模型的复杂性、知识表示的直观性各不相同，因此很难完全理

k-nearest neighbors（KNN）算法是监督机器学习中最简单但最常用的算法之一。KNN通常被认为是一种惰性的学习算法，从技术上讲，它只是存储训练数据集，而不经历训练阶段。KNN的原理是将新样本的特征与数据集中现有样本的特征进行比较。然后通过算法选择最接近的k个样本（k是自定义参数），新样本的输出是基于"k"最近样本的多数类(用于分类)或平均值(用于回归)确定的。

该扩展插件最初的几个版本专注于在Visual Studio Code中提供丰富功能的MATLAB代码编辑体验，但缺少了最为重要的执行与调试功能。直到1.2版本开始终于支持了Matlab代码的执行。[外链图片转存中…(img-fEOB0V9J-1718162723256)]