From 120d21f1303ef71d16c6f7a56939957ae6b34245 Mon Sep 17 00:00:00 2001 From: Woodpecker CI Date: Mon, 11 May 2026 12:05:31 +0000 Subject: [PATCH] Deploy site [CI SKIP] --- index.html | 62 +++++++++++++++---------------- knowledge_base/projets-phylo.html | 13 ++++++- search.json | 14 +++++++ 3 files changed, 57 insertions(+), 32 deletions(-) diff --git a/index.html b/index.html index 305077d..33adf35 100644 --- a/index.html +++ b/index.html @@ -293,7 +293,7 @@ Agenda

1 Base de connaissances et trucs en vrac

-
+
-
+
-
+
 
@@ -413,7 +413,7 @@ Louis Lacoste

2 Journaux

-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
@@ -393,8 +397,15 @@ V \Gamma & \approx \log((\pmb{\pi}^i)_{i=1,\dots,n_1}) = \log(\pmb{\Pi})

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??

+
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",