主要观点总结
这篇文章介绍了一个名为“awesome-latex-drawing”的项目，该项目提供了LaTeX在学术绘图方面的应用示例。文章涵盖了该项目的详细介绍，包括作者、研究兴趣、项目的主要内容和最受欢迎的GitHub存储库等信息。
关键观点总结
关键观点1: 项目介绍
“awesome-latex-drawing”是一个包含30多个学术绘图示例的集合，展示了LaTeX在贝叶斯网络、图形模型、张量结构和技术框架等方面的应用。
关键观点2: 作者简介
项目的作者是陈新宇，现在是麻省理工学院的博士后助理，主导了GitHub上的时空数据建模项目。
关键观点3: 研究内容
作者目前致力于开发理论机器学习方法，用于对广泛的时空数据进行建模，包括矩阵/张量分解等。作者的博士论文主题是“时空交通数据插补和预测的矩阵和张量模型”。
关键观点4: 项目内容详解
文章详细描述了项目的各个部分，包括贝叶斯网络、图形模型、函数绘图、张量结构和技术框架等方面的绘图示例，以及相关的前置和主体代码。
关键观点5: 获奖情况
作者在博士学习期间获得了IVADO博士卓越奖学金和CIRRELT博士卓越奖学金，以资助其博士研究。
正文
“awesome-latex-drawing”是一个包含 30 多个学术绘图示例的集合，用于展示 LaTeX 在贝叶斯网络、函数绘图、图形模型、张量结构和技术框架等方面的绘图应用。
项目作者是陈新宇，现在是麻省理工学院的博士后助理，主导了 GitHub 上的时空数据建模项目。我目前正在致力于开发一些理论机器学习方法（例如，矩阵/张量分解），用于对广泛的时空数据进行建模。这些数据本质上是从现实世界系统中收集的多维张量，包括人类流动性、轨迹数据、交通流量、流体流量、气候/天气数据和能源消耗数据。作者的博士论文题为“时空交通数据插补和预测的矩阵和张量模型”。
我喜欢数学和计算机科学相关的东西。我的研究兴趣包括但不限于机器学习、时空数据建模、智能交通系统、城市科学和 AI for Science。两个最受欢迎的 GitHub 存储库是 transdim（为交通数据插补和预测提供机器学习算法，1.2k+星）和 aswesome-latex-drawing（在 LaTeX 中提供学术绘图示例，1.3k+星）。
幸运的是，在博士学习期间获得了几个奖项，包括 IVADO 博士卓越奖学金（数据价值研究所（IVADO）10 万美元）和 CIRRELT 博士卓越奖学金（大学间企业网络、物流和运输研究中心（CIRRELT）5000 美元）。我要感谢 IVADO 和 CIRRELT 资助我的博士研究。
绘图样例
-
-
包含贝叶斯 CP 分解（BCPF）、贝叶斯高斯 CP 分解（BGCP）、贝叶斯增广张量分解（BATF）、贝叶斯时间矩阵分解（BTMF）等模型的贝叶斯网络绘图示例，每个示例均给出了论文来源。
-
绘图前置代码包括定义文档类、使用 tikz 包及相关库、设置 tikz 风格、引入数学公式环境等；绘图主体代码包括使用 tikzpicture 环境、定义节点、箭头和板块等。
-
展示了部分观测时间序列矩阵和张量、含缺失值的时间序列预测、特定度数的无向和循环关系数据图、拉普拉斯卷积时间序列建模等图形模型示例。
-
前置代码主要为定义文档类和使用 tikz 包；主体代码包括使用 tikzpicture 环境、定义节点和箭头等。
-
涵盖了 Erlang 分布的概率密度函数（PDF）和累积分布函数（CDF）、不同均值和方差的正态分布 PDF、对数正态分布的 PDF 和联合 PDF、共轭梯度迭代过程、随机和非随机缺失模式、正弦和余弦函数、时间序列预测机制等绘图示例。
-
前置代码包括定义文档类、使用 pgfplots 包及设置字体风格等；主体代码包括使用 tikzpicture 和 axis 环境、定义绘图函数等。
-
有多元时间序列预测问题、时间矩阵分解、滚动时间序列预测与时间矩阵分解等矩阵结构相关的绘图示例。
-
前置代码主要为定义文档类和使用 tikz 包；主体代码包括设置参数、使用 tikzpicture 环境、绘制图形和节点等。
-
包含三阶张量、经典 CP 张量分解、增广张量分解模型、张量完成任务及框架、低秩自回归张量完成模型、张量数据奇异值阈值处理过程、低秩张量完成模型、低秩张量回归模型等张量结构相关绘图示例。
-
前置代码包括定义文档类、使用 tikz 和 tikz - 3dplot 包等；主体代码包括设置参数、使用 tikzpicture 环境、定义坐标、绘制节点等，部分示例还涉及上传相关 pdf 文件和使用特定算法环境等。
-
-
前置代码为定义文档类和使用 tikz 包；主体代码包括使用 tikzpicture 环境、绘制节点和导入图像等。
样例合集效果图：
