-
+
-
+
-
+
@@ -413,7 +413,7 @@ Louis Lacoste
2 Journaux
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
4.1 Formalisation du modèle
5 Échantillonnage selon l’arbre
- 6 Latent Position Model (LPM) avec phylogénie des représentations latentes selon la phylogénie
+ 6 Latent Position Model (LPM) avec phylogénie des représentations latentes selon la phylogénie
+
@@ -393,8 +397,15 @@ V \Gamma & \approx \log((\pmb{\pi}^i)_{i=1,\dots,n_1}) = \log(\pmb{\Pi})
+
+
+
diff --git a/search.json b/search.json
index a6bb708..036c20d 100644
--- a/search.json
+++ b/search.json
@@ -69,6 +69,20 @@
"section": "4.1 Formalisation du modèle",
"text": "4.1 Formalisation du modèle\nPierre a proposé que l’on pose une structure latente sur les \\pmb{Z}. C’est à dire \\begin{align*}\n & P \\sim \\mathcal{N}_{n_1, K-1} (O_{n_1, K-1}, \\Sigma, \\sigma^2 Id_{K-1}), \\\\\n \\forall i \\in \\{1,\\dots,n_1\\}, & Z_i \\mid P_i \\overset{ind}{\\sim} \\mathop{\\mathrm{Cat}}_{K} ({\\mathop{\\mathrm{ilr}}}^{-1}(P_i) = \\pi_{1:K}^{(i)}), \\\\\n \\forall j \\in \\{1,\\dots,n_2\\}, & W_j \\overset{iid}{\\sim} \\mathop{\\mathrm{Cat}}_R (\\rho_{1:R}),\\\\\n \\forall i,j \\in \\{1,\\dots,n_1\\}\\times\\{1,\\dots,n_2\\}, & Y_{ij} \\mid Z_i = k, W_j = r \\overset{ind}{\\sim} \\mathcal{F}(\\alpha_{qr}),\n\\end{align*} avec \\Sigma, la matrice de variance-covariance déterminée en fonction de l’apparentement (phylogénétique) des noeuds.\n\n\n\nLe DAG simplifié du modèle"
},
+ {
+ "objectID": "knowledge_base/projets-phylo.html#classique",
+ "href": "knowledge_base/projets-phylo.html#classique",
+ "title": "Idées autour de l’inclusion de la phylogénie",
+ "section": "6.1 Classique",
+ "text": "6.1 Classique"
+ },
+ {
+ "objectID": "knowledge_base/projets-phylo.html#deep-lpm",
+ "href": "knowledge_base/projets-phylo.html#deep-lpm",
+ "title": "Idées autour de l’inclusion de la phylogénie",
+ "section": "6.2 Deep LPM",
+ "text": "6.2 Deep LPM\nPossibilité d’utilisé un encodeur qui soit un réseau de neurones et de bénéficier de tous les décodeurs de la littérature LPM. Quel est le lien avec le VGAE ? Avantage de passage à l’échelle??"
+ },
{
"objectID": "knowledge_base/colsbm_application_reseaux_et_agri.html",
"href": "knowledge_base/colsbm_application_reseaux_et_agri.html",
-
+
- 6.1 Classique +
- 6.2 Deep LPM +
6 Latent Position Model (LPM) avec phylogénie des représentations latentes selon la phylogénie
+6.1 Classique
+6.2 Deep LPM
+Possibilité d’utilisé un encodeur qui soit un réseau de neurones et de bénéficier de tous les décodeurs de la littérature LPM. Quel est le lien avec le VGAE ? Avantage de passage à l’échelle??
+