diff --git a/search.json b/search.json
index 6ac8fad..5434652 100644
--- a/search.json
+++ b/search.json
@@ -88,21 +88,21 @@
"href": "suivi/2025-25/2025-25.html",
"title": "Bilan semaine 25 2025 : 16 juin - 20 juin",
"section": "",
- "text": "Pour clustering de collections sur données réelles :\n→ L’intuition de Pierre semble être confirmé, les dissimilarités semblent arrêter de varier sensiblement pour de grandes valeurs (Q_1,Q_2).\n\n✅ Si plusieurs clustering possibles les tester et sélectionner le meilleur\n✅ Ré-ajuster les bonnes partitions.\n⌛ En train de corriger le bug commun à l’inférence\n\n✅ Oui c’est bien le cas Clustering descendant & ascendant : vérifier qu’au cours du temps le BICL_{asc} \\geq BICL_{desc}\nCreuser et explorer avec easy16s !\nComparer les perfs du VAE sur Baldock avec colBiSBM par exemple\nDé-bugger les simulations :\n\n⌛ 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.\n\n✅ Non ça n’a pas l’air d’être ça. Vérifier si problème de version tidyverse pour vapply sur l’inférence.\n\n\n✅ Il suffisait de faire la màj soit même… Si problème de parallélisation vient de pb de version future.callr le signaler à MIGALE.\nKmeans sur la densité des réseaux subdoré pour pré-partitionner et clusteriser. Car densités déséquilibrées.\n\n\n\n\n\nFaire GNN-VAE Doré et sub-Doré avec kmeans et clustering sur l’espace latent J’ai commencé à regarder un peu\n\n\n\nReference 1\n\n\n\n\n\n\nLancer colBiSBM sur OTU\\times Sample → problème du chargement en mémoire des données à voir\nSe renseigner techniques d’inférence de réseaux :\n\ncovariance (base corrélation et seuil)\nGraphicalLASSO ou CCLasso\nCo-occurence\n\nLancer colSBM sur OTU\\times OTU\nCreuser TabNet de Christophe Regouby et les exercices\nRegarder SPARTA Rennes\nLire Papiers compositional data (Aitchison et al. intro)\nLire article multi-niveaux Saint-Clair\nDemander à JA si elle connaît des réseaux d’interactions connus par les experts (idée d’intégrer une connaissance experte et de voir les différences de structure par rapport à celle attendue)\nEcrire et étudier les modèles pour différents niveaux taxonomiques. \\begin{align*}\ni \\rightarrow &~N^1_i \\subseteq N^2_i \\subseteq N^3_i & \\text{Taxonomie}\\\\\nZ^0_i \\overset{?}{=} & Z^1_i \\overset{?}{=} Z^2_i \\overset{?}{=} Z^3_i & \\text{Groupes fonctionnels}\n\\end{align*}"
+ "text": "Pour clustering de collections sur données réelles :\n→ L’intuition de Pierre semble être confirmé, les dissimilarités semblent arrêter de varier sensiblement pour de grandes valeurs (Q_1,Q_2).\n\n✅ Si plusieurs clustering possibles les tester et sélectionner le meilleur\n✅ Ré-ajuster les bonnes partitions.\n⌛ En train de corriger le bug commun à l’inférence\n\n✅ Oui c’est bien le cas Clustering descendant & ascendant : vérifier qu’au cours du temps le BICL_{asc} \\geq BICL_{desc}\nCreuser et explorer avec easy16s !\n✅ Comparer les perfs du VAE sur Baldock avec colBiSBM par exemple\n\n\n\nAUC values for colBiSBM and VGAE models across cities\n\n\n\n\n\n\n\nAUC\n\n\n\n\n\nCity\n\n\ncolBiSBM\n\n\nUntuned VGAE\n\n\n\n\n\n\nBristol\n\n\n0.798\n\n\n0.755\n\n\n\n\nEdinburgh\n\n\n0.836\n\n\n0.774\n\n\n\n\nLeeds\n\n\n0.854\n\n\n0.760\n\n\n\n\nReading\n\n\n0.867\n\n\n0.740\n\n\n\n\n\nDé-bugger les simulations :\n\n⌛ 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.\n\n✅ Non ça n’a pas l’air d’être ça. Vérifier si problème de version tidyverse pour vapply sur l’inférence.\n\n\n✅ Il suffisait de faire la màj soit même… Si problème de parallélisation vient de pb de version future.callr le signaler à MIGALE.\nKmeans sur la densité des réseaux subdoré pour pré-partitionner et clusteriser. Car densités déséquilibrées.\n\n\n\n\n\nFaire GNN-VAE Doré et sub-Doré avec kmeans et clustering sur l’espace latent J’ai commencé à regarder un peu\n\n\n\nReference 1\n\n\n\n\n\n\nLancer colBiSBM sur OTU\\times Sample → problème du chargement en mémoire des données à voir\nSe renseigner techniques d’inférence de réseaux :\n\ncovariance (base corrélation et seuil)\nGraphicalLASSO ou CCLasso\nCo-occurence\n\nLancer colSBM sur OTU\\times OTU\nCreuser TabNet de Christophe Regouby et les exercices\nRegarder SPARTA Rennes\nLire Papiers compositional data (Aitchison et al. intro)\nLire article multi-niveaux Saint-Clair\nDemander à JA si elle connaît des réseaux d’interactions connus par les experts (idée d’intégrer une connaissance experte et de voir les différences de structure par rapport à celle attendue)\nEcrire et étudier les modèles pour différents niveaux taxonomiques. \\begin{align*}\ni \\rightarrow &~N^1_i \\subseteq N^2_i \\subseteq N^3_i & \\text{Taxonomie}\\\\\nZ^0_i \\overset{?}{=} & Z^1_i \\overset{?}{=} Z^2_i \\overset{?}{=} Z^3_i & \\text{Groupes fonctionnels}\n\\end{align*}"
},
{
"objectID": "suivi/2025-25/2025-25.html#todo-list",
"href": "suivi/2025-25/2025-25.html#todo-list",
"title": "Bilan semaine 25 2025 : 16 juin - 20 juin",
"section": "",
- "text": "Pour clustering de collections sur données réelles :\n→ L’intuition de Pierre semble être confirmé, les dissimilarités semblent arrêter de varier sensiblement pour de grandes valeurs (Q_1,Q_2).\n\n✅ Si plusieurs clustering possibles les tester et sélectionner le meilleur\n✅ Ré-ajuster les bonnes partitions.\n⌛ En train de corriger le bug commun à l’inférence\n\n✅ Oui c’est bien le cas Clustering descendant & ascendant : vérifier qu’au cours du temps le BICL_{asc} \\geq BICL_{desc}\nCreuser et explorer avec easy16s !\nComparer les perfs du VAE sur Baldock avec colBiSBM par exemple\nDé-bugger les simulations :\n\n⌛ 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.\n\n✅ Non ça n’a pas l’air d’être ça. Vérifier si problème de version tidyverse pour vapply sur l’inférence.\n\n\n✅ Il suffisait de faire la màj soit même… Si problème de parallélisation vient de pb de version future.callr le signaler à MIGALE.\nKmeans sur la densité des réseaux subdoré pour pré-partitionner et clusteriser. Car densités déséquilibrées.\n\n\n\n\n\nFaire GNN-VAE Doré et sub-Doré avec kmeans et clustering sur l’espace latent J’ai commencé à regarder un peu\n\n\n\nReference 1\n\n\n\n\n\n\nLancer colBiSBM sur OTU\\times Sample → problème du chargement en mémoire des données à voir\nSe renseigner techniques d’inférence de réseaux :\n\ncovariance (base corrélation et seuil)\nGraphicalLASSO ou CCLasso\nCo-occurence\n\nLancer colSBM sur OTU\\times OTU\nCreuser TabNet de Christophe Regouby et les exercices\nRegarder SPARTA Rennes\nLire Papiers compositional data (Aitchison et al. intro)\nLire article multi-niveaux Saint-Clair\nDemander à JA si elle connaît des réseaux d’interactions connus par les experts (idée d’intégrer une connaissance experte et de voir les différences de structure par rapport à celle attendue)\nEcrire et étudier les modèles pour différents niveaux taxonomiques. \\begin{align*}\ni \\rightarrow &~N^1_i \\subseteq N^2_i \\subseteq N^3_i & \\text{Taxonomie}\\\\\nZ^0_i \\overset{?}{=} & Z^1_i \\overset{?}{=} Z^2_i \\overset{?}{=} Z^3_i & \\text{Groupes fonctionnels}\n\\end{align*}"
+ "text": "Pour clustering de collections sur données réelles :\n→ L’intuition de Pierre semble être confirmé, les dissimilarités semblent arrêter de varier sensiblement pour de grandes valeurs (Q_1,Q_2).\n\n✅ Si plusieurs clustering possibles les tester et sélectionner le meilleur\n✅ Ré-ajuster les bonnes partitions.\n⌛ En train de corriger le bug commun à l’inférence\n\n✅ Oui c’est bien le cas Clustering descendant & ascendant : vérifier qu’au cours du temps le BICL_{asc} \\geq BICL_{desc}\nCreuser et explorer avec easy16s !\n✅ Comparer les perfs du VAE sur Baldock avec colBiSBM par exemple\n\n\n\nAUC values for colBiSBM and VGAE models across cities\n\n\n\n\n\n\n\nAUC\n\n\n\n\n\nCity\n\n\ncolBiSBM\n\n\nUntuned VGAE\n\n\n\n\n\n\nBristol\n\n\n0.798\n\n\n0.755\n\n\n\n\nEdinburgh\n\n\n0.836\n\n\n0.774\n\n\n\n\nLeeds\n\n\n0.854\n\n\n0.760\n\n\n\n\nReading\n\n\n0.867\n\n\n0.740\n\n\n\n\n\nDé-bugger les simulations :\n\n⌛ 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.\n\n✅ Non ça n’a pas l’air d’être ça. Vérifier si problème de version tidyverse pour vapply sur l’inférence.\n\n\n✅ Il suffisait de faire la màj soit même… Si problème de parallélisation vient de pb de version future.callr le signaler à MIGALE.\nKmeans sur la densité des réseaux subdoré pour pré-partitionner et clusteriser. Car densités déséquilibrées.\n\n\n\n\n\nFaire GNN-VAE Doré et sub-Doré avec kmeans et clustering sur l’espace latent J’ai commencé à regarder un peu\n\n\n\nReference 1\n\n\n\n\n\n\nLancer colBiSBM sur OTU\\times Sample → problème du chargement en mémoire des données à voir\nSe renseigner techniques d’inférence de réseaux :\n\ncovariance (base corrélation et seuil)\nGraphicalLASSO ou CCLasso\nCo-occurence\n\nLancer colSBM sur OTU\\times OTU\nCreuser TabNet de Christophe Regouby et les exercices\nRegarder SPARTA Rennes\nLire Papiers compositional data (Aitchison et al. intro)\nLire article multi-niveaux Saint-Clair\nDemander à JA si elle connaît des réseaux d’interactions connus par les experts (idée d’intégrer une connaissance experte et de voir les différences de structure par rapport à celle attendue)\nEcrire et étudier les modèles pour différents niveaux taxonomiques. \\begin{align*}\ni \\rightarrow &~N^1_i \\subseteq N^2_i \\subseteq N^3_i & \\text{Taxonomie}\\\\\nZ^0_i \\overset{?}{=} & Z^1_i \\overset{?}{=} Z^2_i \\overset{?}{=} Z^3_i & \\text{Groupes fonctionnels}\n\\end{align*}"
},
{
"objectID": "suivi/2025-25/2025-25.html#lecture-en-cours",
"href": "suivi/2025-25/2025-25.html#lecture-en-cours",
"title": "Bilan semaine 25 2025 : 16 juin - 20 juin",
"section": "Lecture en cours",
- "text": "Lecture en cours\n\nOT\n\n⌛ Mazelet, Flamary, et Thirion (s. d.) Intéressant pour le transport optimal entre graphes de tailles différentes\n⌛ Nenna (s. d.b) Pour comprendre le problème d’OT régularisé pour l’entropie.\n⌛ Nenna (s. d.a)\n\n\n\nInférence de graphes\n\n⌛ Matchado et al. (2021)"
+ "text": "Lecture en cours\n\nOT\n\n⌛ Mazelet, Flamary, et Thirion (s. d.) Intéressant pour le transport optimal entre graphes de tailles différentes\n⌛ Nenna (s. d.b) Pour comprendre le problème d’OT régularisé pour l’entropie.\n⌛ Nenna (s. d.a)\n\n\n\nInférence de graphes\n\n⌛ Matchado et al. (2021) ➡️ Je vais sûrement utiliser SparCC et CCLasso pour inférer des réseaux unipartites car prise en compte des données compositionnelles."
},
{
"objectID": "suivi/2025-25/2025-25.html#a-discuter",
diff --git a/suivi/2025-25/2025-25.html b/suivi/2025-25/2025-25.html
index c8b7fe1..4c7f4ea 100644
--- a/suivi/2025-25/2025-25.html
+++ b/suivi/2025-25/2025-25.html
@@ -248,7 +248,82 @@ window.Quarto = {
✅ Oui c’est bien le cas Clustering descendant & ascendant : vérifier qu’au cours du temps le BICL_{asc} \geq BICL_{desc}
Creuser et explorer avec easy16s !
-Comparer les perfs du VAE sur Baldock avec colBiSBM par exemple
+✅ Comparer les perfs du VAE sur Baldock avec colBiSBM par exemple
+
+
