SMTorg/smt
SMT: The Surrogate Modeling Toolbox
解决的问题
SMT 提供了一系列代理模型方法、采样技术和基准测试函数。其设计目的是通过快速的近似模型（代理模型）取代昂贵的计算模拟，从而加速工程设计与分析。
工作原理
该工具箱实现了多种代理模型，包括高斯过程 (Kriging)、神经网络和样条插值。一个关键的差异点在于它对导数的重视；它支持用于梯度增强建模的训练导数、预测导数以及相对于训练数据的导数。
适用对象
需要为复杂、高维模拟数据构建快速近似值的空气动力学和结构优化等领域的工程师和研究人员。
亮点
- 专注于导数：专门为梯度增强建模和预测导数而设计。
- 独特的模型：包括通过偏最小二乘缩减的 kriging 和能量最小化样条插值等专业方法。
- 层级与混合变量：专注于用于层级和混合变量空间的高斯过程。
- 可扩展性：简单的库结构，便于实现新的代理方法。
相关
- 项目
- 项目
- 项目
- 项目
- 项目