smt

A caixa de ferramentas de modelagem substituta (SMT) é um pacote Python que contém uma coleção de métodos de modelagem de aluguel, técnicas de amostragem e funções de benchmarking. Este pacote fornece uma biblioteca de modelos substitutos simples de usar e facilita a implementação de métodos adicionais.

O SMT é diferente das bibliotecas de modelagem substitutas existentes devido à sua ênfase nas derivadas, incluindo derivados de treinamento usados ​​para modelagem aprimorada por gradiente, derivativos de previsão e derivados em relação aos dados de treinamento.

Ele também inclui novos modelos de aluguel que não estão disponíveis em outros lugares: Kriging por redução de quadrados parciais de letreiro e interpolação de spline minimizador de energia. O SMT é documentado usando ferramentas personalizadas para incorporar código testado automaticamente e gráficos gerados dinamicamente para produzir guias de usuário de alta qualidade com o mínimo esforço dos colaboradores.

O SMT é distribuído sob a nova licença BSD.

Para citar SMT 2.0: P. Saves e R. Lafage e N. Bartoli e Y. Diouane e JH Bussemaker e T. Lefebvre e Jt Hwang e J. Morlier e Jrra Martins. SMT 2.0: Uma caixa de ferramentas de modelagem substituta com foco nos processos gaussianos hierárquicos e variáveis ​​mistas. Avanços no software de engenharia, 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}}

Para citar SMT Legacy: Ma Bouhlel e JT Hwang e N. Bartoli e R. Lafage e J. Morlier e Jrra Martins. Uma estrutura de modelagem substituta do Python com derivados. Avanços no software de engenharia, 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}}

Pacotes necessários

O SMT depende dos seguintes módulos: Numpy, Scipy, Scikit-Learn, Pydoe3 e Cython.

Instalação

Se você quiser instalar a versão mais recente

pip install smt

ou se você quiser instalar a partir da filial mestre atual

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

Uso

Para exemplos demonstrando como usar o SMT, você pode dar uma olhada nos notebooks do tutorial ou acessar a pasta 'SMT/Exemplos'.

Documentação

Documentação da caixa de ferramentas de modelagem substituta.

Contribuindo

Para contribuir com a SMT, consulte a seção contribuinte da documentação.