awesome latex drawing

Desenho incrível em LaTeX

Feito por Xinyu Chen • https://xinychen.github.io

awesome-latex-drawing é uma coleção de mais de 30 exemplos de desenho acadêmico para usar LaTeX, incluindo redes Bayesianas, plotagem de funções, modelos gráficos, estrutura tensorial e estruturas técnicas.

Descrição

LaTeX é um sistema tipográfico de alta qualidade disponível como software livre, amplamente utilizado nos últimos anos para criação de gráficos acadêmicos. Sua popularidade decorre de sua capacidade de lidar com ilustrações complexas com símbolos especiais e equações matemáticas, tornando-o ideal para desenhar gráficos detalhados em pesquisas.

Este projeto apresenta vários gráficos criados em LaTeX, com exemplos fáceis de seguir no Overleaf, uma popular plataforma online de LaTeX. Se você estiver interessado, sinta-se à vontade para explorar e reproduzir nossos exemplos no Overleaf em overleaf.com.

Conteúdo

Tabela de exemplos

• Redes Bayesianas
  • Rede bayesiana de fatoração Bayesiana de CP (BCPF)
  • Rede Bayesiana de fatoração Bayesiana Gaussiana CP (BGCP)
  • Rede Bayesiana de Fatoração Bayesiana de Tensores Aumentados (BATF)
  • Rede bayesiana de fatoração de matriz temporal bayesiana (BTMF)
  
  
• Modelos gráficos
  • Matriz e tensor de série temporal parcialmente observados
  • Predição de séries temporais de matrizes e tensores na presença de valores ausentes
  • Gráficos não direcionados e circulantes nas amostras de dados relacionais com certos graus
  • Modelagem convolucional de série temporal laplaciana
  
  
• plotagem de função pgfplots
  • Funções PDF e CDF da distribuição Erlang
  • PDF de distribuição normal com diferentes médias e variâncias
  • Funções PDF (conjuntas) de distribuições Lognormais
  • Processo iterativo de gradiente conjugado para resolução de um sistema de equações lineares
  • Padrões ausentes aleatórios e não aleatórios
  • Funções seno e cosseno
  • Mecanismo de previsão de séries temporais
  
  
• tikz para estrutura matricial
  • Ilustração gráfica do problema multivariado de previsão de séries temporais
  • Ilustração gráfica da fatoração da matriz temporal
  • Ilustração gráfica da previsão de séries temporais contínuas com fatoração de matriz temporal
  
  
• tikz-3dplot para estrutura tensorial
  • Ilustração gráfica para o tensor (origem, destino, intervalo de tempo)
  • Ilustração gráfica da fatoração clássica do tensor CP em um tensor de terceira ordem
  • Ilustração gráfica do modelo de fatoração de tensor aumentado (AuTF)
  • Ilustração gráfica da tarefa de conclusão do tensor e sua estrutura
  • Ilustração gráfica do modelo de conclusão de tensor autoregressivo de baixa classificação
  • Ilustração gráfica do processo de limiar de valor singular dos dados do tensor com transformação unitária
  • Ilustração gráfica do modelo de conclusão de tensor de baixa classificação
  • Ilustração gráfica do modelo de regressão de tensor de baixo escalão

Galeria

Procurando alguns bons exemplos de desenho em LaTeX? Aqui estão mais de 30 gráficos para mostrar como desenhar em LaTaX.

Redes Bayesianas

O LaTeX fornece alguns pacotes e ferramentas poderosas específicas de domínio, como tikz para permitir modelos gráficos flexíveis. As redes Bayesianas representam uma família de modelos gráficos que consistem em variáveis ​​(geralmente indicadas por nós) e relações de dependência (geralmente indicadas por setas). Felizmente, tikz possui uma biblioteca específica para desenhar redes Bayesianas e gráficos de fatores direcionados.

Outra caixa de ferramentas em Python: https://docs.daft-pgm.org/en/latest/

Fatoração de Tensor Bayesiano

[Exemplo 1]

Este exemplo é do seguinte artigo:

• Qibin Zhao, Liqing Zhang, Andrzej Cichocki (2015). Fatoração Bayesiana CP de tensores incompletos com determinação automática de classificação. Transações IEEE em Análise de Padrões e Inteligência de Máquina, 37(9): 1751-1763.

que mostra a rede bayesiana do modelo de fatoração Bayesiana de CP (BCPF). Para desenhar este exemplo de rede Bayesiana, existem algumas preliminares a seguir:

• códigos de preamble :
  1. defina a documentclass como standalone , por exemplo, documentclass[border = 0.1cm]{standalone} com borda de 0,1cm,
  2. use o pacote tikz , ou seja, usepackage{tikz} , e use a biblioteca tikz como usetikzlibrary{bayesnet} que é uma ferramenta importante para desenhar redes Bayesianas e gráficos de fatores direcionados,
  3. defina o estilo tikz usando o comando tikzstyle{} ,
  4. use ambientes de equações matemáticas, incluindo usepackage{amsfonts, amsmath, amssymb} .
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use node para definir nós e caixas de texto na rede bayesiana,
  3. use path para definir setas na rede Bayesiana,
  4. use plate para definir placas na rede bayesiana.

Clique na imagem e confira o código fonte.

• Abra BGCP.tex em seu projeto no verso, então você verá as seguintes imagens sobre o modelo BGCP (decomposição Bayesiana Gaussiana CP) como uma rede Bayesiana e um gráfico de fator direcionado:

[Exemplo 2]

Este exemplo é do seguinte artigo:

Xinyu Chen, Zhaocheng He, Lijun Sun (2019). Uma abordagem de decomposição tensorial bayesiana para imputação de dados de tráfego espaço-temporal. Pesquisa em Transporte Parte C: Tecnologias Emergentes, 98: 73-84.

que mostra a rede Bayesiana do modelo de fatoração Bayesiana Gaussiana CP (BGCP). Para desenhar este exemplo de rede Bayesiana, existem algumas preliminares a seguir:

• códigos de preamble :
  1. defina a documentclass como standalone , por exemplo, documentclass[border = 0.1cm]{standalone} com borda de 0,1cm,
  2. use o pacote tikz , ou seja, usepackage{tikz} , e use a biblioteca tikz como usetikzlibrary{bayesnet} que é uma ferramenta importante para desenhar redes Bayesianas e gráficos de fatores direcionados,
  3. defina o estilo tikz usando o comando tikzstyle{} ,
  4. use ambientes de equações matemáticas, incluindo usepackage{amsmath, amsfonts, amssymb} .
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use node para definir nós e caixas de texto na rede bayesiana,
  3. use path para definir setas na rede Bayesiana,
  4. use plate para definir placas na rede bayesiana.

Clique na imagem e confira o código fonte. Se você estiver interessado na rede bayesiana original do BGCP no artigo, verifique BGCP.tex.

[Exemplo 3]

Este exemplo é do seguinte artigo:

Xinyu Chen, Zhaocheng He, Yixian Chen, Yuhuan Lu, Jiawei Wang (2019). Imputação de dados de tráfego ausentes e descoberta de padrões com um modelo bayesiano de fatoração de tensor aumentado. Pesquisa em Transporte Parte C: Tecnologias Emergentes, 104: 66-77.

que mostra a rede bayesiana do modelo de fatoração de tensor aumentado bayesiano (BATF). Para desenhar este exemplo de rede Bayesiana, existem algumas preliminares a seguir:

• códigos de preamble :
  1. defina a documentclass como standalone , por exemplo, documentclass[border = 0.1cm]{standalone} com borda de 0,1cm,
  2. use o pacote tikz , ou seja, usepackage{tikz} , e use a biblioteca tikz como usetikzlibrary{bayesnet} que é uma ferramenta importante para desenhar redes Bayesianas e gráficos de fatores direcionados,
  3. defina o estilo tikz usando o comando tikzstyle{} ,
  4. use ambientes de equações matemáticas, incluindo usepackage{amsmath, amsfonts, amssymb} .
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use node para definir nós e caixas de texto na rede bayesiana,
  3. use path para definir setas na rede Bayesiana,
  4. use plate para definir placas na rede bayesiana.

Clique na imagem e confira o código fonte.

[Exemplo 4]

Este exemplo é do seguinte artigo:

Xinyu Chen, Lijun Sun (2021). Fatoração temporal bayesiana para previsão de séries temporais multidimensionais. Transações IEEE sobre Análise de Padrões e Inteligência de Máquina, 44 (9): 4659-4673.

que mostra a rede bayesiana do modelo de fatoração de matriz temporal bayesiana (BTMF). Para desenhar este exemplo de rede Bayesiana, existem algumas preliminares a seguir:

• códigos de preamble :
  1. defina a documentclass como standalone , por exemplo, documentclass[border = 0.1cm]{standalone} com borda de 0,1cm,
  2. use o pacote tikz , ou seja, usepackage{tikz} , e use a biblioteca tikz como usetikzlibrary{bayesnet} que é uma ferramenta importante para desenhar redes Bayesianas e gráficos de fatores direcionados,
  3. defina o estilo tikz usando o comando tikzstyle{} ,
  4. use ambientes de equações matemáticas, incluindo usepackage{amsmath, amsfonts, amssymb} .
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use node para definir nós e caixas de texto na rede bayesiana,
  3. use path para definir setas na rede Bayesiana,
  4. use plate para definir placas na rede bayesiana.

Clique na imagem e confira o código fonte. Em vez do processo autoregressivo vetorial multivariado em fatores temporais, também podemos usar o processo autoregressivo univariado para reconstruir o BTMF. A rede Beyasian está disponível em btmf_net.png, você também pode conferir o código fonte btmf_net.tex.

Modelos Gráficos

[Exemplo 5]

Esses dois exemplos mostram a matriz e o tensor da série temporal parcialmente observados, respectivamente. Para desenhar os dois exemplos, podemos seguir estas etapas:

• códigos de preamble :

  1. defina a documentclass como standalone ,
  2. use o pacote tikz .

• códigos body :

  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use node para definir nós e caixas de texto no modelo gráfico,
  3. use path para definir setas no modelo gráfico.

[Exemplo 6]

Esses dois exemplos mostram a previsão da série temporal na presença de valores ausentes. Para desenhar os dois exemplos, podemos seguir estas etapas:

• códigos de preamble :

  1. defina a documentclass como standalone ,
  2. use o pacote tikz .

• códigos body :

  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use node para definir nós e caixas de texto no modelo gráfico,
  3. use path para definir setas no modelo gráfico.

[Exemplo 7]

Esses dois exemplos mostram os gráficos não direcionados e circulantes nas amostras de dados relacionais com certos graus. Para desenhar os dois exemplos, podemos seguir estas etapas:

• códigos de preamble :

  1. defina a documentclass como standalone ,
  2. use o pacote tikz .

• códigos body :

  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use node para definir nós,
  3. use path para definir setas.

[Exemplo 8]

Este exemplo é do seguinte artigo:

Xinyu Chen, Zhanhong Cheng, Nicolas Saunier, Lijun Sun (2022). Representação convolucional laplaciana para imputação de séries temporais de tráfego. pré-impressão arXiv arXiv: 2212.01529.

que fornece uma ilustração gráfica do modelo convolucional Laplaciano para imputação de séries temporais. Para desenhar o exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use o pacote tikz .
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use begin{axis} end{axis} e addplot para desenhar coordenadas,
  3. use node e path para desenhar nós e setas.

Plotagem de função pgfplots

[Exemplo 9]

Esses dois exemplos mostram a função de densidade de probabilidade (PDF) e a função de densidade cumulativa (CDF) da distribuição Erlang, respectivamente. Para desenhar o exemplo, existem alguns passos a seguir:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use o pacote pgfplots ,
  3. defina o estilo da fonte e ajuste pgfplotsset{} como preferir.
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use begin{axis} end{axis} para desenhar a função,
  3. use addplot para definir a função de desenho.

[Exemplo 10]

Este exemplo mostra a PDF de distribuição normal com diferentes médias e variâncias. Para desenhar este exemplo, há algumas etapas a seguir:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use o pacote pgfplots ,
  3. defina o estilo da fonte e ajuste pgfplotsset{} como preferir.
• códigos body :
  1. use pgfmathdeclarefunction para definir a função PDF de distribuição normal (Gaussiana),
  2. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  3. use begin{axis} end{axis} para desenhar a função,
  4. use addplot para definir a função de desenho.
• Mais postagens :
  1. Traçando distribuição normal em pgfplots
  2. formato de número no eixo pgfplots
  3. Remova a notação científica que não é razoável

[Exemplo 11]

Esses dois exemplos mostram o PDF e o PDF conjunto de distribuições Lognormais, respectivamente. Existem alguns materiais recomendados para seguir os exemplos:

• Mais postagens :
  1. Desenhe uma distribuição normal bivariada em TikZ
  2. Como duas distribuições normais bivariadas podem ser plotadas em um gráfico?
  3. Traçando uma distribuição normal bivariada em Tikz
  4. Curva dividida com addplot3

[Exemplo 12]

Estes dois exemplos mostram o processo iterativo de gradiente conjugado para resolver um sistema de equações lineares.

[Exemplo 13]

Esses dois exemplos mostram os padrões ausentes aleatórios e não aleatórios. Para desenhar os dois exemplos, podemos seguir estas etapas:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use os pacotes tikz e pgfplots ,
  3. use begin{filecontents} end{filecontents} para conter os dados.
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use begin{axis} end{axis} para desenhar a função,
  3. use addplot para desenhar os dados.

[Exemplo 14]

Este exemplo mostra quatro sequências que consistem em funções Seno e Cosseno. Ao considerar essas sequências como séries temporais, podemos ver dois tipos de dinâmica temporal, ou seja, uma é da função Seno, enquanto a outra é da função Cosseno. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use o pacote pgfplots ,
  3. defina o estilo da fonte e ajuste pgfplotsset{} como preferir.
• códigos body :
  1. use pgfmathdeclarefunction para definir a função PDF de distribuição normal (Gaussiana),
  2. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  3. use begin{axis} end{axis} para desenhar a função,
  4. use addplot para definir a função de desenho.

[Exemplo 15]

Este exemplo ilustra o mecanismo de previsão de série temporal em dados de streaming em nosso projeto tracebase. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use os pacotes tikz e pgfplots ,
  3. defina o estilo da fonte e ajuste pgfplotsset{} como preferir.
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use begin{axis} end{axis} para definir o gráfico,
  3. use addplot para definir as marcas em algumas coordenadas e especificar a cor dessas marcas.

tikz para estrutura matricial

[Exemplo 16]

Este exemplo fornece uma ilustração gráfica do problema de previsão de séries temporais multivariadas com valores ausentes. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use o pacote tikz .
• códigos body :
  1. defina os parâmetros Depth , Width e Height usando newcommand ,
  2. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  3. use os comandos draw , filldraw e node para definir retângulos e nós.

[Exemplo 17]

Este exemplo fornece uma ilustração gráfica da fatoração da matriz temporal. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use o pacote tikz .
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use draw e filldraw para definir nós e retângulos.

[Exemplo 18]

Este exemplo fornece uma ilustração gráfica da previsão de série temporal contínua com fatoração de matriz temporal. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use o pacote tikz .
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use draw e filldraw para definir nós e retângulos.

tikz-3dplot para estrutura tensorial

[Exemplo 19]

Este exemplo fornece uma ilustração gráfica de um tensor de terceira ordem. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use os pacotes tikz e tikz-3dplot .
• códigos body :
  1. defina os parâmetros Depth , Width e Height usando newcommand ,
  2. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  3. definir as coordenadas das arestas do tensor;
  4. use o comando draw para definir nós.

[Exemplo 20]

Este exemplo fornece uma ilustração gráfica da fatoração clássica do tensor CP em um tensor de terceira ordem. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use os pacotes tikz e tikz-3dplot .
• códigos body :
  1. defina os parâmetros Depth , Width e Height usando newcommand ,
  2. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  3. definir as coordenadas das arestas do tensor;
  4. use o comando draw para definir nós.

[Exemplo 21]

Este exemplo fornece uma ilustração gráfica do modelo de fatoração de tensor aumentado. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use os pacotes tikz e tikz-3dplot .
• códigos body :
  1. defina os parâmetros Depth , Width e Height usando newcommand ,
  2. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  3. definir as coordenadas das arestas do tensor;
  4. use o comando draw para definir nós.

[Exemplo 22]

Este exemplo fornece uma ilustração gráfica da tarefa de conclusão do tensor e sua estrutura, incluindo organização de dados e conclusão do tensor, na qual as medições de tráfego são parcialmente observadas. Para desenhar este exemplo, podemos seguir estes passos:

• Solicitar :
  1. carregar curva1.pdf,
  2. carregar curve2.pdf.
• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use os pacotes tikz e tikz-3dplot .
• códigos body :
  1. defina os parâmetros Depth , Width e Height usando newcommand ,
  2. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  3. definir as coordenadas das arestas do tensor;
  4. use o comando draw para definir nós.

[Exemplo 23]

Este exemplo fornece uma ilustração gráfica do modelo de conclusão de tensor autoregressivo de baixa classificação. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use os pacotes tikz e tikz-3dplot .
• códigos body :
  1. defina os parâmetros Depth , Width e Height usando newcommand ,
  2. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  3. use os comandos node , path , plate para definir nós, setas e placas,
  4. definir as coordenadas das arestas do tensor;
  5. use o comando draw para definir nós.

[Exemplo 24]

Este exemplo fornece uma ilustração gráfica do processo de limite de valor singular dos dados do tensor com transformação unitária. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use os pacotes tikz e tikz-3dplot .
• códigos body :
  1. defina os parâmetros Depth , Width e Height usando newcommand ,
  2. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  3. use o comando node para definir nós,
  4. definir as coordenadas das arestas do tensor;
  5. use o comando draw para definir nós,
  6. use o comando filldraw para definir as cores dos retângulos.

[Exemplo 25]

Este exemplo fornece uma ilustração gráfica do modelo de conclusão de tensor de baixa classificação. Para desenhar este exemplo, podemos seguir estes passos:

• Solicitar :
  1. carregar input_tensor.pdf,
  2. carregue saída_tensor.pdf.
• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use os pacotes tikz e tikz-3dplot ,
  3. use o pacote algorithm2e ,
  4. use usetikzlibrary{positioning, matrix, fit, calc} .
• códigos body :
  1. usar o ambiente begin{algorithm} end{algorithm} para definir o algoritmo,
  2. use o comando matrix para posicionar os componentes,
  3. use begin{scope} end{scope} para conter as camadas.

[Exemplo 26]

Este exemplo fornece uma ilustração gráfica do modelo de regressão de tensor de baixo escalão. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use os pacotes tikz e tikz-3dplot .
• códigos body :
  1. defina os parâmetros Depth , Width e Height usando newcommand ,
  2. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  3. use o comando draw para definir nós.

Visualização de dados

[Exemplo 27]

Este exemplo mostra a precisão da imputação de alguns modelos de matrizes e tensores. Para desenhar este exemplo, podemos seguir estes passos:

• códigos de preamble :
  1. defina a documentclass como standalone ,
  2. use o pacote tikz .
• códigos body :
  1. use begin{tikzpicture} end{tikzpicture} para começar a desenhar,
  2. use o comando draw para definir nós,
  3. use o comando pgfuseimage para importar imagens.

Projetos Relacionados

• tikz-bayesnet
• incrível-tikz
• transdim

Publicações

A maioria desses exemplos vem de nossos artigos:

• Xinyu Chen, Zhanhong Cheng, HanQin Cai, Nicolas Saunier, Lijun Sun (2024). Representação convolucional laplaciana para imputação de séries temporais de tráfego . Transações IEEE sobre Engenharia de Conhecimento e Dados, 36 (11): 6490-6502. [Pré-impressão] [DOI] [Slides] [Dados e código Python]

• Xinyu Chen, Lijun Sun (2022). Fatoração temporal bayesiana para previsão de séries temporais multidimensionais . Transações IEEE em Análise de Padrões e Inteligência de Máquina, 44 (9): 4659-4673. [Pré-impressão] [DOI] [Slides] [Dados e código Python]

• Xinyu Chen, Mengying Lei, Nicolas Saunier, Lijun Sun (2022). "Completamento de tensor autoregressivo de baixa classificação para imputação de dados de tráfego espaço-temporal" . Transações IEEE em Sistemas de Transporte Inteligentes, 23 (8): 12301-12310. [Pré-impressão] [DOI] [Dados e código Python] (Também aceito em parte no Workshop MiLeTS do KDD 2021, consulte o documento do workshop)

• Xinyu Chen, Yixian Chen, Nicolas Saunier, Lijun Sun (2021). "Aprendizagem escalável de tensor de baixa classificação para imputação de dados de tráfego espaço-temporal" . Pesquisa de Transporte Parte C: Emerging Technologies, 129: 103226. [Pré-impressão] [DOI] [Dados] [código Python]

• Xinyu Chen, Lijun Sun (2020). "Completamento de tensor autoregressivo de baixa classificação para previsão multivariada de séries temporais" . Pré-impressão do arXiv arXiv: 2006.10436. [Pré-impressão] [Dados e código Python]

• Xinyu Chen, Jinming Yang, Lijun Sun (2020). Um modelo de conclusão de tensor não convexo de baixa classificação para imputação de dados de tráfego espaço-temporal . Transportation Research Parte C: Emerging Technologies, 117: 102673. [Pré-impressão] [DOI] [Dados e código Python]

• Xinyu Chen, Zhaocheng He, Yixian Chen, Yuhuan Lu, Jiawei Wang (2019). "Imputação de dados de tráfego ausentes e descoberta de padrões com um modelo bayesiano de fatoração de tensor aumentado" . Pesquisa em Transporte Parte C: Tecnologias Emergentes, 104: 66-77. [DOI] [Slides] [Dados] [Código Matlab] [Código Python]

• Xinyu Chen, Zhaocheng He, Lijun Sun (2019). Uma abordagem de decomposição de tensores bayesianos para imputação de dados de tráfego espaço-temporal . Pesquisa em Transporte Parte C: Tecnologias Emergentes, 98: 73-84. [Pré-impressão] [DOI] [Dados] [Código Matlab] [Código Python]