smt

Surrogate Modeling Toolbox (SMT) adalah paket Python yang berisi kumpulan metode pemodelan pengganti, teknik pengambilan sampel, dan fungsi pembandingan. Paket ini menyediakan perpustakaan model pengganti yang mudah digunakan dan memfasilitasi implementasi metode tambahan.

SMT berbeda dari perpustakaan pemodelan pengganti yang ada karena penekanannya pada turunan, termasuk turunan pelatihan yang digunakan untuk pemodelan yang ditingkatkan gradien, turunan prediksi, dan turunan sehubungan dengan data pelatihan.

Ini juga termasuk model pengganti baru yang tidak tersedia di tempat lain: kriging dengan pengurangan kuadrat parsial-pound dan interpolasi spline yang meminimalkan energi. SMT didokumentasikan menggunakan alat khusus untuk menanamkan kode yang telah diuji secara otomatis dan plot yang dihasilkan secara dinamis untuk menghasilkan panduan pengguna berkualitas tinggi dengan upaya minimal dari kontributor.

SMT didistribusikan di bawah lisensi BSD yang baru.

Untuk mengutip SMT 2.0: P. Saves dan R. LaFage dan N. Bartoli dan Y. Diouane dan JH Bussemaker dan T. Lefebvre dan Jt Hwang dan J. Morlier dan Jrra Martins. SMT 2.0: Kotak alat pemodelan pengganti dengan fokus pada variabel hierarkis dan campuran proses Gaussian. Kemajuan dalam Perangkat Lunak Teknik, 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}}

Untuk mengutip SMT Legacy: Ma Bouhlel dan Jt Hwang dan N. Bartoli dan R. LaFage dan J. Morlier dan Jrra Martins. Kerangka pemodelan pengganti Python dengan turunan. Kemajuan dalam Perangkat Lunak Teknik, 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}}

Paket yang diperlukan

SMT tergantung pada modul berikut: numpy, scipy, scikit-learn, pydoe3 dan cython.

Instalasi

Jika Anda ingin menginstal rilis terbaru

pip install smt

atau jika Anda ingin menginstal dari cabang master saat ini

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

Penggunaan

Untuk contoh yang menunjukkan cara menggunakan SMT, Anda dapat melihat buku catatan tutorial atau pergi ke folder 'SMT/Contoh'.

Dokumentasi

Dokumentasi kotak alat pemodelan pengganti.

Berkontribusi

Untuk berkontribusi pada SMT, lihat bagian yang berkontribusi dari dokumentasi.