awesome latex drawing

Потрясающий рисунок в формате LaTeX

Автор: Синью Чен • https://xinychen.github.io

Awesome-latex-drawing — это коллекция из более чем 30 примеров академических рисунков для использования LaTeX, включая байесовские сети, построение графиков функций, графические модели, тензорную структуру и технические основы.

Описание

LaTeX — это высококачественная система верстки, доступная в виде бесплатного программного обеспечения, широко используемая в последние годы для создания академической графики. Его популярность связана с его способностью обрабатывать сложные иллюстрации с помощью специальных символов и математических уравнений, что делает его идеальным для рисования подробной графики в исследованиях.

В этом проекте представлены несколько графических изображений, созданных с использованием LaTeX, с примерами, которым легко следовать на Overleaf, популярной онлайн-платформе LaTeX. Если вам интересно, вы можете изучить и воспроизвести наши примеры на Overleaf на сайте overleaf.com.

Содержание

Таблица примеров

• Байесовские сети
  • Байесовская сеть байесовской CP-факторизации (BCPF)
  • Байесовская сеть факторизации Байеса Гаусса CP (BGCP)
  • Байесовская сеть байесовской расширенной тензорной факторизации (BATF)
  • Байесовская сеть байесовской временной матричной факторизации (BTMF)
  
  
• Графические модели
  • Частично наблюдаемая матрица и тензор временных рядов
  • Прогнозирование матричных и тензорных временных рядов при наличии пропущенных значений
  • Неориентированные и циркулянтные графы на реляционных выборках данных определенных степеней
  • Лапласово сверточное моделирование временных рядов
  
  
• построение графика функции pgfplots
  • Функции PDF и CDF распределения Эрланга
  • PDF нормального распределения с различными средними значениями и дисперсиями
  • (Совместные) PDF-функции логнормальных распределений
  • Итерационный процесс сопряженного градиента для решения системы линейных уравнений
  • Случайные и неслучайные пропущенные шаблоны
  • Функции синуса и косинуса
  • Механизм прогнозирования временных рядов
  
  
• tikz для матричной структуры
  • Графическая иллюстрация задачи прогнозирования многомерных временных рядов
  • Графическая иллюстрация факторизации временной матрицы
  • Графическая иллюстрация прогнозирования скользящих временных рядов с факторизацией временной матрицы
  
  
• tikz-3dplot для тензорной структуры
  • Графическая иллюстрация тензора (исходный, целевой, временной интервал)
  • Графическая иллюстрация классической факторизации CP-тензора на тензоре третьего порядка
  • Графическая иллюстрация модели дополненной тензорной факторизации (AuTF)
  • Графическая иллюстрация задачи завершения тензора и ее структуры
  • Графическая иллюстрация модели завершения авторегрессионного тензора низкого ранга
  • Графическая иллюстрация процесса определения порога сингулярного значения тензорных данных с унитарным преобразованием
  • Графическая иллюстрация модели завершения тензора низкого ранга
  • Графическая иллюстрация модели тензорной регрессии низкого ранга

Галерея

Ищете хорошие примеры рисования в LaTeX? Вот более 30 иллюстраций, показывающих, как рисовать в LaTaX.

Байесовские сети

LaTeX предоставляет несколько мощных специализированных пакетов и инструментов, таких как tikz для создания гибких графических моделей. Байесовские сети представляют собой семейство графических моделей, состоящих из переменных (обычно обозначаемых узлами) и отношений зависимости (обычно обозначаемых стрелками). К счастью, tikz есть специальная библиотека для рисования байесовских сетей и ориентированных графов факторов.

Еще один набор инструментов на Python: https://docs.daft-pgm.org/en/latest/

Байесовская тензорная факторизация

[Пример 1]

Этот пример взят из следующей статьи:

• Цибинь Чжао, Лицин Чжан, Анджей Цихоцкий (2015). Байесовская CP-факторизация неполных тензоров с автоматическим определением ранга. Транзакции IEEE по анализу шаблонов и машинному интеллекту, 37 (9): 1751–1763.

который показывает байесовскую сеть модели байесовской CP-факторизации (BCPF). Чтобы нарисовать этот пример байесовской сети, необходимо выполнить некоторые предварительные действия:

• коды preamble :
  1. определите documentclass как standalone , например, documentclass[border = 0.1cm]{standalone} с границей 0,1 см,
  2. используйте пакет tikz , то есть usepackage{tikz} , и используйте библиотеку tikz например usetikzlibrary{bayesnet} которая является важным инструментом для рисования байесовских сетей и ориентированных графов факторов,
  3. установите стиль tikz с помощью команды tikzstyle{} ,
  4. используйте среды математических уравнений, включая usepackage{amsfonts, amsmath, amssymb} .
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте node для определения узлов и текстовых полей в байесовской сети,
  3. используйте path для определения стрелок в байесовской сети,
  4. используйте plate для определения пластин в байесовской сети.

Пожалуйста, нажмите на изображение и ознакомьтесь с исходным кодом.

• Откройте BGCP.tex в своем проекте на оборотной стороне, после чего вы увидите следующие изображения модели BGCP (байесовское гауссовское CP-разложение) в виде байесовской сети и ориентированного графа факторов:

[Пример 2]

Этот пример взят из следующей статьи:

Синьюй Чен, Чжаочэн Хэ, Лицзюнь Сунь (2019). Подход байесовского тензорного разложения для вменения пространственно-временных данных о трафике. Транспортные исследования, часть C: Новые технологии, 98: 73-84.

который показывает байесовскую сеть модели байесовской гауссовой CP-факторизации (BGCP). Чтобы нарисовать этот пример байесовской сети, необходимо выполнить некоторые предварительные действия:

• коды preamble :
  1. определите documentclass как standalone , например, documentclass[border = 0.1cm]{standalone} с границей 0,1 см,
  2. используйте пакет tikz , то есть usepackage{tikz} , и используйте библиотеку tikz например usetikzlibrary{bayesnet} которая является важным инструментом для рисования байесовских сетей и ориентированного графа факторов,
  3. установите стиль tikz с помощью команды tikzstyle{} ,
  4. используйте среды математических уравнений, включая usepackage{amsmath, amsfonts, amssymb} .
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте node для определения узлов и текстовых полей в байесовской сети,
  3. используйте path для определения стрелок в байесовской сети,
  4. используйте plate для определения пластин в байесовской сети.

Пожалуйста, нажмите на изображение и ознакомьтесь с исходным кодом. Если вас интересует исходная байесовская сеть BGCP, описанная в статье, посетите BGCP.tex.

[Пример 3]

Этот пример взят из следующей статьи:

Синьюй Чен, Чжаочэн Хэ, Исянь Чен, Юхуань Лу, Цзявэй Ван (2019). Условный расчет недостающих данных о трафике и обнаружение закономерностей с помощью байесовской расширенной модели тензорной факторизации. Транспортные исследования, часть C: Новые технологии, 104: 66-77.

который показывает байесовскую сеть модели байесовской расширенной тензорной факторизации (BATF). Чтобы нарисовать этот пример байесовской сети, необходимо выполнить некоторые предварительные действия:

• коды preamble :
  1. определите documentclass как standalone , например, documentclass[border = 0.1cm]{standalone} с границей 0,1 см,
  2. используйте пакет tikz , то есть usepackage{tikz} , и используйте библиотеку tikz например usetikzlibrary{bayesnet} которая является важным инструментом для рисования байесовских сетей и ориентированного графа факторов,
  3. установите стиль tikz с помощью команды tikzstyle{} ,
  4. используйте среды математических уравнений, включая usepackage{amsmath, amsfonts, amssymb} .
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте node для определения узлов и текстовых полей в байесовской сети,
  3. используйте path для определения стрелок в байесовской сети,
  4. используйте plate для определения пластин в байесовской сети.

Пожалуйста, нажмите на изображение и ознакомьтесь с исходным кодом.

[Пример 4]

Этот пример взят из следующей статьи:

Синьюй Чен, Лицзюнь Сунь (2021). Байесовская временная факторизация для многомерного прогнозирования временных рядов. Транзакции IEEE по анализу шаблонов и машинному интеллекту, 44 (9): 4659-4673.

который показывает байесовскую сеть модели байесовской временной матричной факторизации (BTMF). Чтобы нарисовать этот пример байесовской сети, необходимо выполнить некоторые предварительные действия:

• коды preamble :
  1. определите documentclass как standalone , например, documentclass[border = 0.1cm]{standalone} с границей 0,1 см,
  2. используйте пакет tikz , то есть usepackage{tikz} , и используйте библиотеку tikz например usetikzlibrary{bayesnet} которая является важным инструментом для рисования байесовских сетей и ориентированного графа факторов,
  3. установите стиль tikz с помощью команды tikzstyle{} ,
  4. используйте среды математических уравнений, включая usepackage{amsmath, amsfonts, amssymb} .
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте node для определения узлов и текстовых полей в байесовской сети,
  3. используйте path для определения стрелок в байесовской сети,
  4. используйте plate для определения пластин в байесовской сети.

Пожалуйста, нажмите на изображение и ознакомьтесь с исходным кодом. Вместо многомерного векторного процесса авторегрессии по временным факторам мы также можем использовать одномерный процесс авторегрессии для восстановления BTMF. Сеть Beyasian доступна по адресу btmf_net.png, вы также можете просмотреть исходный код btmf_net.tex.

Графические модели

[Пример 5]

Эти два примера показывают частично наблюдаемую матрицу и тензор временных рядов соответственно. Чтобы нарисовать оба примера, мы можем выполнить следующие шаги:

• коды preamble :

  1. определить documentclass как standalone ,
  2. используйте пакет tikz .

• коды body :

  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте node для определения узлов и текстовых полей в графической модели,
  3. используйте path для определения стрелок в графической модели.

[Пример 6]

Эти два примера показывают прогнозирование временных рядов при наличии пропущенных значений. Чтобы нарисовать оба примера, мы можем выполнить следующие шаги:

• коды preamble :

  1. определить documentclass как standalone ,
  2. используйте пакет tikz .

• коды body :

  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте node для определения узлов и текстовых полей в графической модели,
  3. используйте path для определения стрелок в графической модели.

[Пример 7]

Эти два примера показывают неориентированные и циркулянтные графы на выборках реляционных данных с определенными степенями. Чтобы нарисовать оба примера, мы можем выполнить следующие шаги:

• коды preamble :

  1. определить documentclass как standalone ,
  2. используйте пакет tikz .

• коды body :

  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте node для определения узлов,
  3. используйте path для определения стрелок.

[Пример 8]

Этот пример взят из следующей статьи:

Синьюй Чен, Чжанхун Ченг, Николя Сонье, Лицзюнь Сунь (2022). Лапласово сверточное представление для расчета временных рядов трафика. Препринт arXiv arXiv: 2212.01529.

который дает графическую иллюстрацию лапласовой сверточной модели для вменения временных рядов. Чтобы нарисовать пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакет tikz .
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте begin{axis} end{axis} и addplot для рисования координат,
  3. используйте node и path для рисования узлов и стрелок.

pgfplots Построение графика функций

[Пример 9]

В этих двух примерах показаны функция плотности вероятности (PDF) и кумулятивная функция плотности (CDF) распределения Эрланга соответственно. Чтобы нарисовать пример, необходимо выполнить несколько шагов:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакет pgfplots ,
  3. установите стиль шрифта и настройте pgfplotsset{} по своему усмотрению.
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте begin{axis} end{axis} для рисования функции,
  3. используйте addplot чтобы определить функцию рисования.

[Пример 10]

В этом примере показан PDF нормального распределения с различными средними значениями и дисперсиями. Чтобы нарисовать этот пример, нужно выполнить несколько шагов:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакет pgfplots ,
  3. установите стиль шрифта и настройте pgfplotsset{} по своему усмотрению.
• коды body :
  1. используйте pgfmathdeclarefunction , чтобы определить функцию PDF нормального (гауссовского) распределения,
  2. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  3. используйте begin{axis} end{axis} для рисования функции,
  4. используйте addplot чтобы определить функцию рисования.
• Еще сообщения :
  1. Построение графика нормального распределения в pgfplots
  2. числовой формат по оси pgfplots
  3. Удалите научные обозначения, которые являются необоснованными.

[Пример 11]

Эти два примера показывают PDF и совместную PDF логнормальных распределений соответственно. Ниже приведены некоторые рекомендуемые материалы для подражания примерам:

• Еще сообщения :
  1. Нарисуйте двумерное нормальное распределение в TikZ
  2. Как можно построить два двумерных нормальных распределения на одном графике?
  3. Построение двумерного нормального распределения в Tikz
  4. Разделить кривую с помощью addplot3

[Пример 12]

Эти два примера показывают итерационный процесс сопряженного градиента для решения системы линейных уравнений.

[Пример 13]

Эти два примера показывают случайные и неслучайные пропущенные шаблоны. Чтобы нарисовать оба примера, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакеты tikz и pgfplots ,
  3. используйте begin{filecontents} end{filecontents} для хранения данных.
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте begin{axis} end{axis} для рисования функции,
  3. используйте addplot для рисования данных.

[Пример 14]

В этом примере показаны четыре последовательности, состоящие из функций синуса и косинуса. Рассматривая эти последовательности как временные ряды, мы можем видеть два вида временной динамики: одна связана с функцией синуса, а другая — с функцией косинуса. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакет pgfplots ,
  3. установите стиль шрифта и настройте pgfplotsset{} по своему усмотрению.
• коды body :
  1. используйте pgfmathdeclarefunction , чтобы определить функцию PDF нормального (гауссовского) распределения,
  2. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  3. используйте begin{axis} end{axis} для рисования функции,
  4. используйте addplot чтобы определить функцию рисования.

[Пример 15]

Этот пример иллюстрирует механизм прогнозирования временных рядов потоковых данных в нашем проекте базы трассировки. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакеты tikz и pgfplots ,
  3. установите стиль шрифта и настройте pgfplotsset{} по своему усмотрению.
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте begin{axis} end{axis} для определения графики,
  3. используйте addplot , чтобы определить метки по некоторым координатам и указать цвет этих меток.

tikz для матричной структуры

[Пример 16]

В этом примере представлена ​​графическая иллюстрация проблемы прогнозирования многомерных временных рядов с пропущенными значениями. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакет tikz .
• коды body :
  1. установите параметры Depth , Width и Height с помощью newcommand ,
  2. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  3. используйте команды draw , filldraw и node для определения прямоугольников и узлов.

[Пример 17]

Этот пример дает графическую иллюстрацию факторизации временной матрицы. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакет tikz .
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте draw и filldraw для установки узлов и прямоугольников.

[Пример 18]

В этом примере дается графическая иллюстрация прогнозирования скользящих временных рядов с факторизацией временной матрицы. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакет tikz .
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте draw и filldraw для установки узлов и прямоугольников.

tikz-3dplot для тензорной структуры

[Пример 19]

Этот пример дает графическую иллюстрацию тензора третьего порядка. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакеты tikz и tikz-3dplot .
• коды body :
  1. установите параметры Depth , Width и Height с помощью newcommand ,
  2. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  3. определить координаты ребер тензора,
  4. используйте команду draw для определения узлов.

[Пример 20]

Этот пример дает графическую иллюстрацию классической факторизации CP-тензора на тензоре третьего порядка. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакеты tikz и tikz-3dplot .
• коды body :
  1. установите параметры Depth , Width и Height с помощью newcommand ,
  2. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  3. определить координаты ребер тензора,
  4. используйте команду draw для определения узлов.

[Пример 21]

В этом примере представлена ​​графическая иллюстрация модели расширенной тензорной факторизации. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакеты tikz и tikz-3dplot .
• коды body :
  1. установите параметры Depth , Width и Height с помощью newcommand ,
  2. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  3. определить координаты ребер тензора,
  4. используйте команду draw для определения узлов.

[Пример 22]

В этом примере представлена ​​графическая иллюстрация задачи завершения тензора и ее структуры, включая организацию данных и завершение тензора, в которой частично наблюдаются измерения трафика. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• Запрос :
  1. загрузить кривую1.pdf,
  2. загрузить кривую2.pdf.
• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакеты tikz и tikz-3dplot .
• коды body :
  1. установите параметры Depth , Width и Height с помощью newcommand ,
  2. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  3. определить координаты ребер тензора,
  4. используйте команду draw для определения узлов.

[Пример 23]

В этом примере представлена ​​графическая иллюстрация модели завершения авторегрессионного тензора низкого ранга. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакеты tikz и tikz-3dplot .
• коды body :
  1. установите параметры Depth , Width и Height с помощью newcommand ,
  2. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  3. используйте команды node , path , plate для определения узлов, стрелок и пластин,
  4. определить координаты ребер тензора,
  5. используйте команду draw для определения узлов.

[Пример 24]

В этом примере представлена ​​графическая иллюстрация процесса определения порога сингулярного значения тензорных данных с унитарным преобразованием. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакеты tikz и tikz-3dplot .
• коды body :
  1. установите параметры Depth , Width и Height с помощью newcommand ,
  2. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  3. используйте команду node для определения узлов,
  4. определить координаты ребер тензора,
  5. используйте команду draw для определения узлов,
  6. используйте команду filldraw чтобы определить цвета прямоугольников.

[Пример 25]

В этом примере представлена ​​графическая иллюстрация модели завершения тензора низкого ранга. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• Запрос :
  1. загрузить input_tensor.pdf,
  2. загрузите выходной_тензор.pdf.
• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакеты tikz и tikz-3dplot ,
  3. используйте пакет algorithm2e ,
  4. используйте usetikzlibrary{positioning, matrix, fit, calc} .
• коды body :
  1. используйте среду begin{algorithm} end{algorithm} для определения алгоритма,
  2. используйте команду matrix для размещения компонентов,
  3. используйте begin{scope} end{scope} для размещения слоев.

[Пример 26]

В этом примере представлена ​​графическая иллюстрация модели тензорной регрессии низкого ранга. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакеты tikz и tikz-3dplot .
• коды body :
  1. установите параметры Depth , Width и Height с помощью newcommand ,
  2. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  3. используйте команду draw для определения узлов.

Визуализация данных

[Пример 27]

В этом примере показана точность вменения некоторых матричных и тензорных моделей. Чтобы нарисовать этот пример, мы можем выполнить следующие шаги:

• коды preamble :
  1. определить documentclass как standalone ,
  2. используйте пакет tikz .
• коды body :
  1. используйте begin{tikzpicture} end{tikzpicture} чтобы начать рисовать,
  2. используйте команду draw для определения узлов,
  3. используйте команду pgfuseimage для импорта изображений.

Связанные проекты

• тикз-байеснет
• круто-тикз
• транстемный

Публикации

Большинство из этих примеров взяты из наших статей:

• Синьюй Чен, Чжанхун Ченг, ХаньЦинь Цай, Николя Сонье, Лицзюнь Сунь (2024). Лапласово сверточное представление для вменения временных рядов трафика . Транзакции IEEE по знаниям и инженерии данных, 36 (11): 6490-6502. [Препринт] [DOI] [Слайды] [Данные и код Python]

• Синьюй Чен, Лицзюнь Сунь (2022). Байесовская временная факторизация для многомерного прогнозирования временных рядов . Транзакции IEEE по анализу шаблонов и машинному интеллекту, 44 (9): 4659-4673. [Препринт] [DOI] [Слайды] [Данные и код Python]

• Синьюй Чен, Мэнъин Лэй, Николя Сонье, Лицзюнь Сунь (2022). Авторегрессионное тензорное завершение низкого ранга для вменения пространственно-временных данных о трафике . Транзакции IEEE в интеллектуальных транспортных системах, 23 (8): 12301-12310. [Препринт] [DOI] [Данные и код Python] (также частично принято в семинар MiLeTS Workshop на KDD 2021, см. документ семинара)

• Синьюй Чен, Исянь Чен, Николя Сонье, Лицзюнь Сунь (2021). Масштабируемое тензорное обучение низкого ранга для вменения пространственно-временных данных о трафике . Транспортные исследования, часть C: Новые технологии, 129: 103226. [Препринт] [DOI] [Данные] [Код Python]

• Синьюй Чен, Лицзюнь Сунь (2020). Авторегрессионное тензорное завершение низкого ранга для прогнозирования многомерных временных рядов . Препринт arXiv arXiv: 2006.10436. [Препринт] [Данные и код Python]

• Синьюй Чен, Цзиньмин Ян, Лицзюнь Сунь (2020). Невыпуклая модель завершения тензора низкого ранга для вменения пространственно-временных данных о трафике . Транспортные исследования, часть C: Новые технологии, 117: 102673. [Препринт] [DOI] [Данные и код Python]

• Синьюй Чен, Чжаочэн Хэ, Исянь Чен, Юхуань Лу, Цзявэй Ван (2019). Условный расчет недостающих данных о дорожном движении и обнаружение закономерностей с помощью байесовской расширенной модели тензорной факторизации . Транспортные исследования, часть C: Новые технологии, 104: 66-77. [DOI] [Слайды] [Данные] [Код Matlab] [Код Python]

• Синьюй Чен, Чжаочэн Хэ, Лицзюнь Сунь (2019). Подход байесовского тензорного разложения для вменения пространственно-временных данных о трафике . Транспортные исследования, часть C: Новые технологии, 98: 73-84. [Препринт] [DOI] [Данные] [Код Matlab] [Код Python]