smt

替代建模工具箱（SMT）是一个Python软件包，其中包含替代建模方法，采样技术和基准测试功能的集合。该软件包提供了一个替代模型的库，该库易于使用，并促进实施其他方法。

SMT与现有的替代建模库不同，因为它强调了衍生物，包括用于梯度增强建模，预测衍生物和衍生物相对于培训数据的训练衍生物。

它还包括其他地方无法使用的新替代模型：通过部分最高正方形的kriging减少和能量最小化的样条插值。使用自定义工具记录了SMT，以嵌入自动测试的代码和动态生成的图，以最少的贡献者精力生成高质量的用户指南。

SMT根据新的BSD许可分发。

引用SMT 2.0：P。Saves和R. Lafage和N. Bartoli和Y. Diouane和JH Bussemaker以及T. Lefebvre和Jt Hwang和J. Morlier和Jrra Martins。 SMT 2.0：替代建模工具箱，重点关注分层和混合变量高斯过程。工程软件的进步，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}}

引用SMT遗产：Ma Bouhlel和Jt Hwang和N. Bartoli和R. Lafage以及J. Morlier和Jrra Martins。带有衍生物的Python替代建模框架。工程软件的进步，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}}

所需的包装

SMT取决于以下模块：Numpy，Scipy，Scikit-Learn，Pydoe3和Cython。

安装

如果要安装最新版本

pip install smt

否则，如果您想从当前的主分支安装

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

用法

有关说明如何使用SMT的示例，您可以查看教程笔记本电脑或转到“ SMT/示例”文件夹。

文档

替代建模工具箱的文档。

贡献

为了有助于SMT，请参阅文档的贡献部分。