معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A Bayesian global optimization package for material design

ویژگی	مقدار
سیستم عامل	-
نام فایل	Bgolearn-2.0.0
نام	Bgolearn
نسخه کتابخانه	2.0.0
نگهدارنده	['CaoBin']
ایمیل نگهدارنده	['binjacobcao@gmail.com']
نویسنده	CaoBin
ایمیل نویسنده	bcao@shu.edu.com
آدرس صفحه اصلی	https://github.com/Bin-Cao/Bgolearn
آدرس اینترنتی	https://pypi.org/project/Bgolearn/
مجوز	MIT License

[![](https://img.shields.io/badge/PyPI-caobin-blue)](https://pypi.org/project/Bgolearn/) # Python package - Bgolearn ![Screen Shot 2022-07-11 at 9 13 28 AM](https://user-images.githubusercontent.com/86995074/178176016-8a79db81-fcfb-4af0-9b1c-aa4e6a113b5e.png) ## 为材料设计而生！ ## （ A Bayesian global optimization package for material design ）Version 1, Jul, 2022 Reference paper : V. Picheny, T. Wagner, and D. Ginsbourger. “A Benchmark of Kriging-Based Infill Criteria for Noisy Optimization”. In: Structural and Multidisciplinary Optimization 48.3 (Sept. 2013), pp. 607–626. issn: 1615-1488. Written using Python, which is suitable for operating systems, e.g., Windows/Linux/MAC OS etc. ## Content Bgolearn guides subsequent material design based on existed experimental data. Which includes: 1.Expected Improvement algorithm, 2.Expected improvement with “plugin”，3.Augmented Expected Improvement，4.Expected Quantile Improvement，5.Reinterpolation Expected Improvement， 6.Upper confidence bound，7.Probability of Improvement，8.Predictive Entropy Search，9.Knowledge Gradient, a total of nine Utility Functions. Predictive Entropy Search，Knowledge Gradient are implemented based on Monte Carlo simulation.（贝叶斯优化设计，根据已有的实验数据对后续材料设计作出指导，本算法包共包括：期望最大化算法，期望最大化算法改进（考虑数据噪声），上确界方法，期望提升方法，熵搜索，知识梯度方法等在内的共计9种贝叶斯采样方法。其中熵搜索和知识梯度方法基于蒙特卡洛实现） ## Installing / 安装 pip install Bgolearn ## Updating / 更新 pip install --upgrade Bgolearn ## About / 更多 Maintained by Bin Cao. Please feel free to open issues in the Github or contact Bin Cao (bcao@shu.edu.cn) in case of any problems/comments/suggestions in using the code.

نیازمندی

مقدار	نام
-	scipy
-	scikit-learn
-	pandas
-	numpy
-	matplotlib

زبان مورد نیاز

مقدار	نام
>=3.5	Python

نحوه نصب

نصب پکیج whl Bgolearn-2.0.0:

pip install Bgolearn-2.0.0.whl

نصب پکیج tar.gz Bgolearn-2.0.0:

pip install Bgolearn-2.0.0.tar.gz