Bilan semaine 19 2025 : 5 mai - 9 mai

TOP PRIORITÉ

• Débugguer les simulations :

  • Clustering : Relancer simulations de clustering avec M = 30 où M_i = 10, \forall i. En attente retour MIGALE Relancer simus clustering avec VEM steps = 10 000 et plus nombreux init pour spectral. Ajouter simu clustering métriques nb sous-collections obtenues. Vérifier les résultats obtenus si ARI = 0. Et augmenter la taille M = 30 avec M_1 = M_2 = M_3 = 10. -> BUG, dois creuser mais juste des problèmes techniques. Le bug venait probablement d’une inadéquation entre la version de future et future.callr, les résultats temporaires sont encourageant.

  • Inférence : Relancer simus d’inférence avec n = 240 pour voir si la qualité augmenter (se rassurer). En fait on est déjà à 240, j’ai relancé avec M = 4 au lieu de M = 2. En attente résultats MIGALE -> BUG, dois creuser mais juste des problèmes techniques -> Visiblement il y a d’autres problèmes que juste le plan de parallélisation.

Applications

• Kmeans sur la densité des réseaux subdoré pour pré-partitionner et clusteriser. Car densités déséquilibrées.

• Faire GNN-VAE Doré et sub-Doré avec kmeans et clustering sur l’espace latent J’ai commencé à regarder un peu

Reference 1

Présentations LSD, JdS et ML@Aussois

• PRÉSENTATION JDS (LSD), durée introuvable, adapter en anglais les slides et voir avec PB et SD.
• Quel plan ?
• Quels résultats ? Baldock, Traveset … (sub-Doré)

Inférence et microbes

• Lire Papiers compositional data (Aitchison et al. intro)
• Se renseigner techniques d’inférence de réseaux :
  • covariance (base corrélation et seuil)
  • GraphicalLASSO
  • Co-occurence
• Lire article multi-niveaux Saint-Clair

A discuter

• Voir pour TT période du 11 au 14 août
• Voir pour date CSI car congés avec parents prévu du 29/08 au 12/09.

A faire

Inférence

• Papier pour comprendre données
  • Faust et al.
  • Abdill et al.
  • Bashan et al.
• pbs : variance, bcp de zero, covariables, offset et taxonomie (Reseaux arretes differents niveaux : Genre, OTU …)

Combine networks at different taxonomic levels

• Inférence + GREMLINS

Rédaction article

• Relire intro St Clair
• S’inspirer structure pour mon intro
• Trouver biblio intro
• Rédiger l’intro
• Dire résultats nettement meilleurs et variabilités inférieures.

J’ai fait

CSI (en attente contacts PB et SD)

• Est-ce à moi de contacter Saint-Clair et Sonia/Elisa ? Pierre et Sophie gèrent
• Pierre Gérard a dit oui, il attend les détails
• Quand : fin juin début juillet
• Liste potentielle :
  • (Saint-Clair)
  • Mahendra
  • Elisa/Sonia
  • Pierre Gérard

Finist’R

• S’inscrire

ML at Aussois

• S’inscrire avec abstract court
• Demander la bourse
• Détails d’inscriptions : Je demande une bourse et je m’inscris avec la demande de bourse, Pierre et Sophie font la lettre de recommendation

Présentation

• J’ai traduis en anglais ma présentation : Lien

A continuer

Applications

• Idée Sophie: Regarder clustering de données plantes-pollinisateur selon gradient d’urbanisation

Sophie a fait une appli qui marche bien et va dans le sens de l’analyse faite (à savoir pas d’effet du gradien d’urbanisation). À continuer pour l’intégrer dans l’article !

Axe inférence

• Lire biblio fournie Julie, Inférence de réseaux : co-occurence

J’ai lu Faust et al.  Je lis Abdill et al.

Repoussés ou abandonnés

• Résultats simus NA Erreur pour certaines conditions : Pour NA robustness générer nb_rep collections de taille M=2 et prélever \epsilon_{max}n_r n_c liens à retirer puis pour les \epsilon < \epsilon_{max} prélever dans la liste des indices afin d’avoir des perturbations emboitées. Il faut que j’ajoute un mécanisme pour reprendre des conditions qui ont plantés et que je skip dans le future_lapply les conditions déjà traitées (pour avoir la même seed quand je vais exécuter le code). Implémenté les missing steps.

Je n’arrive pas à comprendre les erreurs qui arrivent

• Lire Biological Networks - François Képès

• Regarder les applications pour les collections de réseaux recommender system Pas pertinents et trop gros

Listing 1: Recommender systems data

Par exemple :

• Liste de recommendation data

Papier plus multi-applications

• Données d’Elisa herbivore ?
• Données urbanisations ?

Autour de l’article et du package

• Créer des vignettes illustrant par exemple des cas de simulations. Possible de mettre l’exemple d’application de Sophie sur les réseaux avec gradient d’urbanisation.

Simulations article

• Comparer sur clustering unipartite avec versions symétriser des par blocs des matrices d’adjacences.

• Corriger structure de simus :

  • Pour noisy \alpha :
    • Logit pour envoyer la gaussienne vers (0,1)
    • Beta contrainte dans (0,1)
  • Pour noisy links : Générer nb_clustering collections de taille M puis prélever \epsilon_{max}n_r n_c liens à inverser puis pour les \epsilon < \epsilon_{max} prélever dans la liste des indices afin d’avoir des perturbations emboitées.