A Python surrogate modeling framework with derivatives - X-OAD -eXtended-Overall Aircraft Design Accéder directement au contenu
Article Dans Une Revue Advances in Engineering Software Année : 2019

A Python surrogate modeling framework with derivatives

Une boite à outils en python pour les modèles réduits avec dérivées

Résumé

The surrogate modeling toolbox (SMT) is an open-source Python package that contains a collection of surrogate modeling methods, sampling techniques, and benchmarking functions. This package provides a library of surrogate models that is simple to use and facilitates the implementation of additional methods. SMT is different from existing surrogate modeling libraries because of its emphasis on derivatives, including training derivatives used for gradient-enhanced modeling, prediction derivatives, and derivatives with respect to training data. It also includes unique surrogate models: kriging by partial least-squares reduction, which scales well with the number of inputs; and energy-minimizing spline interpolation, which scales well with the number of training points. The efficiency and effectiveness of SMT are demonstrated through a series of examples. SMT is documented using custom tools for embedding automatically tested code and dynamically generated plots to produce high-quality user guides with minimal effort from contributors. SMT is maintained in a public version control repository.
La toolbox (SMT) est une librairie de python qui contient une collection de modèles réduits, de techniques d'échantillonnage, et des fonctions d'évaluation. Ceci vise à fournir une bibliothèque simple à utiliser pour des modèles réduits. SMT est différente des librairies existantes modelant des bibliothèques car elle met l’accent sur la connaissance des dérivées. Elle inclut également les nouveaux modèles réduits qui ne sont pas disponibles ailleurs : krigeage combiné aux moindres carrés partiels et interpolation par spline basée sur une minimisation d’énergie. SMT est documentée et distribuée sous la licence New BSD de schéma et peut être téléchargée via https://github.COM/SMTorg/SMT.
Fichier principal
Vignette du fichier
DTIS18246.1562334413_postprint-1.pdf (2 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02294310 , version 1 (23-09-2019)

Identifiants

Citer

Mohamed Amine Bouhlel, John T. Hwang, Nathalie Bartoli, Rémi Lafage, Joseph Morlier, et al.. A Python surrogate modeling framework with derivatives. Advances in Engineering Software, 2019, pp.102662. ⟨10.1016/j.advengsoft.2019.03.005⟩. ⟨hal-02294310⟩
209 Consultations
3371 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More