smt
2.8.0
代理モデリングツールボックス（SMT）は、サロゲートモデリング方法、サンプリング技術、ベンチマーク機能のコレクションを含むPythonパッケージです。このパッケージは、使用が簡単で、追加の方法の実装を容易にする代理モデルのライブラリを提供します。
SMTは、勾配強化モデリング、予測導関数、トレーニングデータに関するデリバティブに使用されるトレーニング誘導体など、導関数に重点を置いているため、既存の代理モデリングライブラリとは異なります。
また、他の場所では利用できない新しいサロゲートモデルも含まれています。部分的な正方形の削減とエネルギー最大化スプライン補間によるクリギング。 SMTは、自動的にテストされたコードと動的に生成されたプロットを埋め込むためのカスタムツールを使用して文書化され、貢献者からの最小限の労力で高品質のユーザーガイドを作成します。
SMTは、新しいBSDライセンスの下で配布されます。
SMT 2.0を引用するために：P。Saves and R. LafageとN. Bartoli and Y. Diouane and JH BussemakerとT. Lefebvre and Jt Hwang and J. MorlierとJrra Martins。 SMT 2.0：階層的変数と混合変数ガウスプロセスに焦点を当てたサロゲートモデリングツールボックス。エンジニアリングソフトウェアの進歩、2024年。
@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}}SMTレガシーを引用する：Ma BouhlelとJT HwangとN. BartoliとR. LafageとJ. MorlierとJrra Martins。デリバティブを使用したPython Surrogateモデリングフレームワーク。エンジニアリングソフトウェアの進歩、2019年。
@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}}SMTは、Numpy、Scipy、Scikit-Learn、Pydoe3、Cythonの次のモジュールに依存します。
最新リリースをインストールする場合
pip install smtまたは、現在のマスターブランチからインストールする場合は
pip install git+https://github.com/SMTOrg/smt.git@masterSMTの使用方法を示す例については、チュートリアルノートを見たり、「SMT/Examples」フォルダーに移動してください。
サロゲートモデリングツールボックスのドキュメント。
SMTに貢献するには、ドキュメントの貢献セクションを参照してください。
