Анализ страницы https://siheng-chen.github.io/publication
Основное Готовность: 75%
Домен
siheng-chen.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Цепочка редиректов:
https://siheng-chen.github.io/publication
301 MovedPermanently
https://siheng-chen.github.io/publication/
200 OK
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 04.10.2026 22:45:22.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en-us
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en-us.
Скорость загрузки
~0,59сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,59сек оптимальна.
Объем документа
69Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 69Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 17
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 17 много для одной страницы. Приемлемо до 10. Проведите оптимизацию файлов ресурсов!
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://fonts.googleapis.com/css2?family=Cutive+Mono&family=Kaushan+Script&family=Martel+Sans&family=Orelega+One&family=Source+Serif+Pro:ital,wght@1,300&family=Roboto:wght@400;700&display=swap&display=swap | |
| stylesheet | /css/vendor-bundle.min.16f785cdb553c8c4431db6775122af35.css | |
| stylesheet | https://cdn.jsdelivr.net/npm/academicons@1.9.2/css/academicons.min.css | |
| stylesheet | /css/wowchemy.7c9112d62aa504adadca15bbc66e8e51.css | |
| stylesheet | /css/libs/chroma/github-light.min.css | |
| stylesheet | /css/libs/chroma/dracula.min.css | |
| js | /js/mathjax-config.js | |
| js | https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-chtml.js | |
| js | /js/wowchemy-init.min.ec9d49ca50e4b80bdb08f0417a28ed84.js | |
| js | /js/vendor-bundle.min.32ee83730ed883becad04bc5170512cc.js | |
| js | https://cdn.jsdelivr.net/gh/desandro/imagesloaded@v4.1.4/imagesloaded.pkgd.min.js | |
| js | https://cdn.jsdelivr.net/gh/metafizzy/isotope@v3.0.6/dist/isotope.pkgd.min.js | |
| js | https://cdn.jsdelivr.net/gh/krisk/Fuse@v3.2.1/dist/fuse.min.js | |
| js | https://cdn.jsdelivr.net/gh/julmot/mark.js@8.11.1/dist/jquery.mark.min.js | |
| js | module | /js/wowchemy-headroom.db4755770454eb63685f8de785c0a172.js |
| js | /en/js/wowchemy.min.91534f6cb18c3621254d412c69186d7c.js | |
| js | module | /js/wowchemy-publication.68f8d7090562ca65fc6d3cb3f8f2d2cb.js |
Серверные заголовки
Кол-во: 19
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 19шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| x-origin-cache | HIT |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "65d96068-1150f" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 5444:12CAF9:1768EDC:179A24B:6A8961C9 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 08:46:02 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230168-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787388362.152254,VS0,VE117 |
| Vary | Accept-Encoding |
| x-fastly-request-id | f2f49cde4dd0614ea3c9e00d6e8e59863fd41a09 |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 48%
Title
Publications | Siheng Chen
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение: 26, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Siheng Chen
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Необходимо увеличить число символов в description (текущее значение мало: 11, минимум: 80, оптимально: от 120 до 130)
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
https://Siheng-Chen.github.io/publication/
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Канонический Url прописан корректно.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width,initial-scale=1
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Кол-во: 7
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph задана. Страница оптимизирована под социальные сети.
Показать полный список og мета-тегов
| Тип | Значение |
|---|---|
| og:site_name | Siheng Chen |
| og:url | https://Siheng-Chen.github.io/publication/ |
| og:title | Publications | Siheng Chen |
| og:description | Siheng Chen |
| og:image | https://Siheng-Chen.github.io/media/icon_hufe4902d8a3e296f954ced894ecfc599d_303890_512x512_fill_lanczos_center_3.png |
| og:locale | en-us |
| og:updated_time | 2023-01-17T00:00:00+00:00 |
Все мета-теги
Кол-во: 14
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 14шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width,initial-scale=1 |
| name | generator | Wowchemy 5.7.0 for Hugo |
| name | author | Siheng Chen |
| name | description | Siheng Chen |
| name | theme-color | #1565c0 |
| property | twitter:card | summary |
| property | twitter:image | https://Siheng-Chen.github.io/media/icon_hufe4902d8a3e296f954ced894ecfc599d_303890_512x512_fill_lanczos_center_3.png |
| property | og:site_name | Siheng Chen |
| property | og:url | https://Siheng-Chen.github.io/publication/ |
| property | og:title | Publications | Siheng Chen |
| property | og:description | Siheng Chen |
| property | og:image | https://Siheng-Chen.github.io/media/icon_hufe4902d8a3e296f954ced894ecfc599d_303890_512x512_fill_lanczos_center_3.png |
| property | og:locale | en-us |
| property | og:updated_time | 2023-01-17T00:00:00+00:00 |
Оптимизация Готовность: 75%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют в одном экземпляре).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Среднее число слов в абзаце 8 слишком мало. Сделайте контент более читаемым!
Слова из title 3 встречаются в тексте достаточно.
Абзацев с текстом 83 достаточно.
Кол-во знаков контента 18048 на странице оптимально.
Кол-во слов 2860 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 2. Это прекрасно.
Тошнота
9,06
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
14,06%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота страницы в пределах нормы.
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| siheng | 82 | 2,87% |
| processing | 40 | 1,40% |
| signal | 39 | 1,36% |
| jelena | 32 | 1,12% |
| conference | 31 | 1,08% |
| kovačević | 31 | 1,08% |
| international | 21 | 0,73% |
| transactions | 19 | 0,66% |
| neural | 18 | 0,63% |
| networks | 14 | 0,49% |
| computer | 13 | 0,45% |
| vision | 13 | 0,45% |
| acoustics | 13 | 0,45% |
| speech | 13 | 0,45% |
| jacobo | 13 | 0,45% |
| bielak | 13 | 0,45% |
| systems | 12 | 0,42% |
| icassp | 12 | 0,42% |
| garrett | 12 | 0,42% |
| pattern | 11 | 0,38% |
Индексация Готовность: 100%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 186 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Robots.txt настроен корректно. Размер файла: 66 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
User-agent: *
Sitemap: https://Siheng-Chen.github.io/sitemap.xml
Sitemap
Кол-во: 1
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt содержит критическую ошибку в карте сайта. Рекомендуем срочно исправить ссылку на карту сайта и проверить ее содержимое.
Robots.txt содержит карту сайта. Это прекрасно!
Показать карту сайта
| Url | Статус |
|---|---|
| https://Siheng-Chen.github.io/sitemap.xml |
Другой домен
|
Внутренние ссылки
Кол-во: 89
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 89 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| / |
Siheng Chen
|
|
| / |
Siheng Chen
|
|
| /publication |
<span>Publications</span>
|
|
| /project |
<span>Projects</span>
|
|
| /dataset/coperception-uav/ |
<span>CoPerception-UAV</span>
|
|
| /dataset/AM3D/ |
<span>AM3D</span>
|
|
| /dataset/dair-v2x-c-complemented/ |
<span>DAIR-V2X-C-Complemented</span>
|
|
| /publication/lu-robust-2023/ |
Robust Collaborative 3D Object Detection in Presence of Pose Errors
|
|
| /publication/hu-aerial-2023/ |
Aerial monocular 3d object detection
|
|
| /publication/ye-fed-disco-2023/ |
FedDisco: Federated Learning with Discrepancy-Aware Collaboration
|
|
| /publication/huang-discriminative-2023/ |
Discriminative Radial Domain Adaptation
|
|
| /publication/jin-2022-multivariate/ |
Multivariate Time Series Forecasting with Dynamic Graph Neural ODEs
|
|
| /publication/li-skeleton-parted-2022/ |
Skeleton-parted graph scattering networks for 3D human motion prediction
|
|
| /publication/yang-mped-2022/ |
MPED: Quantifying point cloud distortion based on multiscale potential energy discrepancy
|
|
| /publication/lei-latency-aware-2022/ |
Latency-aware collaborative perception
|
|
| /publication/zhong-aware-2022/ |
Aware of the history: Trajectory forecasting with the local behavior data
|
|
| /publication/hu-where-2-comm-2022/ |
Where2comm: Communication-efficient collaborative perception via spatial confidence maps
|
|
| /publication/peng-grid-2022/ |
Grid adaptive reduced-order model of fluid flow based on graph convolutional neural network
|
|
| /publication/li-v-2-x-sim-2022/ |
V2X-Sim: Multi-agent collaborative perception dataset and benchmark for autonomous driving
|
|
| /publication/yang-no-reference-2022/ |
No-reference point cloud quality assessment via domain adaptation
|
|
| /publication/xu-groupnet-2022/ |
GroupNet: Multiscale hypergraph neural networks for trajectory prediction with relational reasoning
|
|
| /publication/li-ccst-2022/ |
CCST: Cell clustering for spatial transcriptomics data with graph neural network
|
|
| /publication/cheng-spatio-temporal-2022/ |
Spatio-temporal graph complementary scattering networks
|
|
| /publication/xu-remember-2022/ |
Remember intentions: Retrospective-memory-based trajectory prediction
|
|
| /publication/xiang-detecting-2022/ |
Detecting backdoor attacks against point cloud classifiers
|
|
| /publication/li-online-2022/ |
Online multi-agent forecasting with interpretable collaborative graph neural network
|
|
| /publication/ji-energy-efficient-2022/ |
Energy-efficient computation offloading in mobile edge computing systems with uncertainties
|
|
| /publication/pu-learning-2021/ |
Learning to learn graph topologies
|
|
| /publication/li-learning-2021/ |
Learning distilled collaboration graph for multi-agent perception
|
|
| /publication/tang-collaborative-2021/ |
Collaborative uncertainty in multi-agent trajectory forecasting
|
|
| /publication/ju-divide-2021/ |
Divide and conquer for single-frame temporal action localization
|
|
| /publication/cao-cat-2021/ |
CaT: Weakly Supervised Object Detection with Category Transfer Supplementary Material
|
|
| /publication/xiang-backdoor-2021/ |
A backdoor attack against 3D point cloud classifiers
|
|
| /publication/pan-spatio-temporal-2021/ |
Spatio-temporal graph scattering transform
|
|
| /publication/chen-time-varying-2021/ |
Time-varying graph signal inpainting via unrolling networks
|
|
| /publication/li-symbiotic-2021/ |
Symbiotic graph neural networks for 3D skeleton-based human action recognition and motion prediction
|
|
| /publication/cheng-semi-supervised-2021/ |
Semi-supervised 3D hand-object pose estimation via pose dictionary learning
|
|
| /publication/li-multiscale-2021/ |
Multiscale spatio-temporal graph neural networks for 3D skeleton-based motion prediction
|
|
| /publication/xu-invariant-2021/ |
Invariant teacher and equivariant student for unsupervised 3D human pose estimation
|
|
| /publication/chen-graph-2021/ |
Graph unrolling networks: Interpretable neural networks for graph signal denoising
|
|
| /publication/chen-graph-2021-1/ |
Graph signal denoising via unrolling networks
|
|
| /publication/das-application-agnostic-2021/ |
Application-agnostic spatio-temporal hand graph representations for stable activity understanding
|
|
| /publication/liu-3-d-2021/ |
A 3D mesh-based lifting-and-projection network for human pose transfer
|
|
| /publication/chen-3-d-2021/ |
3D point cloud processing and learning for autonomous driving: Impacting map creation, localization, and perception
|
|
| /publication/peng-unsteady-2020/ |
Unsteady reduced-order model of flow over cylinders based on convolutional and deconvolutional neural network structure
|
|
| /publication/peng-time-variant-2020/ |
Time-variant prediction of flow over an airfoil using deep neural network
|
|
| /publication/ioannidis-pruned-2020/ |
Pruned graph scattering transforms
|
|
| /publication/wu-motionnet-2020/ |
MotionNet: Joint perception and motion prediction for autonomous driving based on bird's eye view maps
|
|
| /publication/chen-learning-2020/ |
Learning on attribute-missing graphs
|
|
| /publication/li-graph-2020/ |
Graph cross networks with vertex infomax pooling
|
|
| /publication/ioannidis-efficient-2020/ |
Efficient and stable graph scattering transforms via pruning
|
|
| /publication/li-dynamic-2020/ |
Dynamic multiscale graph neural networks for 3D skeleton-based human motion prediction
|
|
| /publication/liu-diagnosis-2020/ |
Diagnosis algorithms for indirect structural health monitoring of a bridge model via dimensionality reduction
|
|
| /publication/liu-damage-sensitive-2020/ |
Damage-sensitive and domain-invariant feature extraction for vehicle-vibration-based bridge health monitoring
|
|
| /publication/hu-collaborative-2020/ |
Collaborative motion prediction via neural motion message passing
|
|
| /publication/chen-pct-2019/ |
PCT: Large-scale 3D point cloud representations via graph inception networks with applications to autonomous driving
|
|
| /publication/chen-foldingnet-2019/ |
FoldingNet++: Deep unsupervised learning of 3D point clouds via graph topology inference and filtering
|
|
| /publication/liu-dynamic-2019/ |
Dynamic responses, GPS positions and environmental conditions of two light rail vehicles in Pittsburgh
|
|
| /publication/li-actional-structural-2019/ |
Actional-structural graph convolutional networks for 3D skeleton-based action recognition
|
|
| /publication/duan-3-d-2019/ |
3D point cloud denoising via deep-neural-network based local surface estimation
|
|
| /publication/duan-weighted-2018/ |
Weighted multiple-projection: 3D point cloud denoising with tangent planes
|
|
| /publication/niu-generalized-2018/ |
Generalized value iteration networks: Life beyond lattices
|
|
| /publication/yang-fast-2018/ |
Fast temporal path localization on graphs via multiscale Viterbi decoding
|
|
| /publication/chen-fast-2018/ |
Fast resampling of 3D point clouds via graphs
|
|
| /publication/lederman-track-monitoring-2017/ |
Track-monitoring from the dynamic response of an operational train
|
|
| /publication/lederman-track-2017/ |
Track monitoring from the dynamic response of a passing train: a sparse approach
|
|
| /publication/yang-fast-2017/ |
Fast path localization on graphs via multiscale Viterbi decoding
|
|
| /publication/chen-detecting-2017/ |
Detecting localized categorical attributes on graphs
|
|
| /publication/chen-contour-enhanced-2017/ |
Contour-enhanced resampling of 3D point clouds via graphs
|
|
| /publication/lederman-data-2017/ |
A data fusion approach for track monitoring from multiple in-service trains
|
|
| /publication/chen-representations-2016/ |
Representations of piecewise smooth signals on graphs
|
|
| /publication/chen-statistical-2016/ |
A statistical perspective of sampling scores for linear regression
|
|
| /publication/varma-spectrum-blind-2015/ |
Spectrum-blind signal recovery on graphs
|
|
| /publication/chen-signal-2015-1/ |
Signal recovery on graphs: Variation minimization
|
|
| /publication/chen-signal-2015/ |
Signal recovery on graphs: Random versus experimentally designed sampling
|
|
| /publication/chen-signal-2015-2/ |
Signal recovery on graphs: Fundamental limits of sampling strategies
|
|
| /publication/chen-sampling-2015/ |
Sampling theory for graph signals
|
|
| /publication/ji-energy-efficient-2015/ |
Energy-efficient route planning for autonomous aerial vehicles based on graph signal recovery
|
|
| /publication/chen-distributed-2015/ |
Distributed algorithm for graph signal inpainting
|
|
| /publication/chen-discrete-2015/ |
Discrete signal processing on graphs: Sampling theory
|
|
| /publication/chen-signal-2014/ |
Signal inpainting on graphs via total variation minimization
|
|
| /publication/chen-signal-2014-1/ |
Signal denoising on graphs via graph filtering
|
|
| /publication/chen-semi-supervised-2014/ |
Semi-supervised multiresolution classification using adaptive graph filtering with application to indirect bridge structural health monitoring
|
|
| /publication/cerda-indirect-2014/ |
Indirect structural health monitoring of a simplified laboratory-scale bridge model
|
|
| /publication/lederman-damage-2014/ |
Damage quantification and localization algorithms for indirect SHM of bridges
|
|
| /publication/chen-multiresolution-2013/ |
Multiresolution classification with semi-supervised learning for indirect bridge structural health monitoring
|
|
| /publication/wang-comparison-2013/ |
Comparison of sparse representation and Fourier discriminant methods: damage location classification in indirect lab-scale bridge structural health monitoring
|
|
| /publication/chen-adaptive-2013/ |
Adaptive graph filtering: Multiresolution classification on graphs
|
|
| /publication/cerda-indirect-2012/ |
Indirect structural health monitoring in bridges: Scale experiments
|
|
Внешние ссылки
Кол-во: 4
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 4 оптимально.
Показать внешние ссылки
| Url | Анкор |
|---|---|
| huggingface.co |
<span>OPV2V-H</span>
|
| doi.org |
DOI
|
| doi.org |
URL
|
| doi.org |
DOI
|
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Страница https://siheng-chen.github.io/publication готова к продвижению на 74%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Поделитесь с друзьями: