smt

Набор инструментов для моделирования суррогатного моделирования (SMT) - это пакет Python, который содержит набор методов суррогатного моделирования, методов отбора проб и функций сравнительного анализа. Этот пакет предоставляет библиотеку суррогатных моделей, которая проста в использовании и облегчает реализацию дополнительных методов.

SMT отличается от существующих библиотеков суррогатного моделирования из-за его акцента на производных, включая учебные производные, используемые для моделирования, усиленного градиентом, производных прогнозирования и производных в отношении учебных данных.

Он также включает в себя новые суррогатные модели, которые не доступны в других местах: Kriging с помощью уменьшения квадратов с частичным светом и энергетической сплайновой интерполяции. SMT задокументируется с использованием пользовательских инструментов для встраивания автоматически проверенного кода и динамически генерируемых графиков для производства высококачественных пользовательских руководств с минимальными усилиями со стороны участников.

SMT распространяется по новой лицензии BSD.

Свести SMT 2.0: P. Saves и R. Lafage и N. Bartoli и Y. Diouane и JH Bussemaker и T. Lefebvre и JT Hwang и J. Morlier и Jrra Martins. SMT 2.0: суррогатный моделирование инструментов с акцентом на иерархические и смешанные переменные гауссовые процессы. Достижения в инженерном программном обеспечении, 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}}

Свести SMT Legacy: Ma Bouhlel и JT Hwang и N. Bartoli и R. Lafage и J. Morlier и Jrra Martins. Python Surrogate Bramework с производными. Достижения в области инженерного программного обеспечения, 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}}

Требуемые пакеты

SMT зависит от следующих модулей: Numpy, Scipy, Scikit-Learn, Pydoe3 и Cython.

Установка

Если вы хотите установить последний релиз

pip install smt

или если вы хотите установить из текущей главной филиала

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

Использование

Для примеров, демонстрирующих, как использовать SMT, вы можете взглянуть на учебные тетради или перейти в папку «SMT/примеры».

Документация

Документация на наборе инструментов суррогатного моделирования.

Внося

Чтобы внести свой вклад в SMT, обратиться к разделу «Содействие документации».