Github项目推荐 | 用LaTeX绘制贝叶斯网络、图模型和框架

Awesome LaTeX drawing - Drawing Bayesian networks, graphical models and framework with LaTeX

by Xinyu Chen

不需要安装软件，你也可以用LaTeX绘制贝叶斯网络、图模型和框架。

项目链接：

https://github.com/xinychen/awesome-latex-drawing

目录

• 使用
• 示例
• 贝叶斯网络
• 研究框架
• 张量分解
• 官方链接
• 相关项目

使用

对于像Python这样的许多编程语言，安装相关的包只是第一步。 幸运的是，你甚至不需要在PC（个人计算机）中安装任何软件包甚至LaTeX，因为有许多像overleaf这样的在线系统可使其易于使用。

所需工具：在Chrome浏览器中打开 overleaf.com （需要注册使用）。

因为你可以按照此自述文件（readme）来查找你需要的内容，所以没有必要打开本项目中的每个文件。

示例

贝叶斯网络

• 在你的overleaf 项目中打开 BCPF.tex ，你将会看到以下图片：

BCPF（贝叶斯CP因子分解）模型作为贝叶斯网络和定向因子图。

• 在你的overleaf 项目中打开 BGCP.tex ，你将会看到以下图片：

BGCP（贝叶斯高斯CP分解）模型作为贝叶斯网络和有向因子图。

• 在你的overleaf 项目中打开 BGCP-1.tex ，你将会看到以下图片：

BGCP（贝叶斯高斯CP分解）模型作为贝叶斯网络和有向因子图的另一个例子。

• 在你的overleaf 项目中打开 BATF.tex ，你将会看到以下图片：

BATF（贝叶斯增广张量分解）模型作为贝叶斯网络和定向因子图。

研究框架

• 打开
  • tc_framework.tex
• 上传
  • curve1.pdf
  • curve2.pdf

在你的 overleaf 项目中打开和上传上述文件，你将会看到以下图片：

张量补全任务及其框架，包括数据组织和张量补全，其中部分地观察了流量测量。

• 在你的overleaf 项目中打开 graphical_time_series.tex ，你将会看到以下图片：

部分观测到的时间序列数据的图解说明。

• 在你的overleaf 项目中打开 tensor_time_series.tex ，你将会看到以下图片：

部分观察到的时间序列张量的图解说明。

• 在你的overleaf 项目中打开 mf-explained.tex ，你将会看到以下图片：

矩阵分解的图解说明。

张量分解

• 在你的overleaf 项目中打开 tensor.tex ，你将会看到以下图片：

张量（原点、终点、时隙）的图解。

• 在你的overleaf 项目中打开 AuTF.tex ，你将会看到以下图片：

我们最近研究中的增强张量分解（AuTF）模型。

官方链接

PGF/TikZ

• SourceForge - 代码，发行，支持和错误报告。
• CTAN - 最新发行版本

PGFPlots

• SourceForge - 代码，发行，支持和错误报告。
• CTAN - 最新发行版本

相关项目

• tikz-bayesnet
• awesome-tikz
• transdim