smt

Die Ersatzmodellierungs -Toolbox (SMT) ist ein Python -Paket, das eine Sammlung von Ersatzmodellierungsmethoden, Stichprobentechniken und Benchmarking -Funktionen enthält. Dieses Paket bietet eine Bibliothek von Ersatzmodellen, die einfach zu verwenden ist und die Implementierung zusätzlicher Methoden erleichtert.

SMT unterscheidet sich von vorhandenen Ersatzmodellierungsbibliotheken, da der Schwerpunkt auf Derivaten liegt, einschließlich Schulungsderivate, die für die vom Gradienten verstärkte Modellierung, Vorhersagederivate und Derivate in Bezug auf die Schulungsdaten verwendet werden.

Es enthält auch neue Ersatzmodelle, die an anderer Stelle nicht verfügbar sind: Kriging durch partielle Quadrate Reduktion und energieminimierende Spline-Interpolation. SMT wird mit benutzerdefinierten Tools zum Einbettung automatisch getesteter Code und dynamisch erzeugte Diagramme dokumentiert, um qualitativ hochwertige Benutzerführer mit minimalem Aufwand von Mitwirkenden zu erstellen.

SMT wird unter der neuen BSD -Lizenz verteilt.

Um SMT 2.0 zu zitieren: P. Rettet und R. Lafage und N. Bartoli und Y. Diouane und JH Bussemaker sowie T. Lefebvre sowie JT Hwang und J. Morlier und Jrra Martins. SMT 2.0: Eine Ersatzmodellierungs -Toolbox mit Schwerpunkt auf hierarchischen und gemischten Variablen Gaußschen Prozesse. Fortschritte in der Engineering -Software, 2024.

@article{saves2024smt,
         author = {P. Saves and R. Lafage and N. Bartoli and Y. Diouane and J. Bussemaker and T. Lefebvre and J. T. Hwang and J. Morlier and J. R. R. A. Martins},
         title = {{SMT 2.0: A} Surrogate Modeling Toolbox with a focus on Hierarchical and Mixed Variables Gaussian Processes},
         journal = {Advances in Engineering Sofware},
         year = {2024},
         volume = {188}, 
         pages = {103571},
         doi = {https://doi.org/10.1016/j.advengsoft.2023.103571}}

Um SMT Legacy zu zitieren: Ma Bouhlel und JT Hwang und N. Bartoli und R. Lafage und J. Morlier und Jrra Martins. Ein Python -Ersatzmodellierungsrahmen mit Derivaten. Fortschritte in der Engineering -Software, 2019.

@article{SMT2019,
        Author = {Mohamed Amine Bouhlel and John T. Hwang and Nathalie Bartoli and Rémi Lafage and Joseph Morlier and Joaquim R. R. A. Martins},
        Journal = {Advances in Engineering Software},
        Title = {A Python surrogate modeling framework with derivatives},
        pages = {102662},
        issn = {0965-9978},
        doi = {https://doi.org/10.1016/j.advengsoft.2019.03.005},
        Year = {2019}}

Erforderliche Pakete

SMT hängt von den folgenden Modulen ab: Numpy, Scipy, Scikit-Learn, Pydoe3 und Cython.

Installation

Wenn Sie die neueste Version installieren möchten

pip install smt

oder wenn Sie aus der aktuellen Master -Filiale installieren möchten

pip install git+https://github.com/SMTOrg/smt.git@master

Verwendung

Beispiele für die Verwendung von SMT können Sie sich die Tutorial -Notebooks ansehen oder in den Ordner "SMT/Beispiele" wechseln.

Dokumentation

Dokumentation der Ersatzmodellierungs -Toolbox.

Beitragen

Um einen Beitrag zur SMT zu leisten, beziehen Sie sich auf den beitragenden Abschnitt der Dokumentation.