From 81eb9f0182ee3a772bdbfcd479796c21e9aadd97 Mon Sep 17 00:00:00 2001 From: Louis Date: Mon, 3 Nov 2025 16:03:20 +0100 Subject: [PATCH] Small changes --- suivi/2025-44/2025-44.qmd | 24 ++++++++++++------------ 1 file changed, 12 insertions(+), 12 deletions(-) diff --git a/suivi/2025-44/2025-44.qmd b/suivi/2025-44/2025-44.qmd index 0401906..c59c244 100644 --- a/suivi/2025-44/2025-44.qmd +++ b/suivi/2025-44/2025-44.qmd @@ -10,6 +10,9 @@ bibliography: references.bib - Finir le papier : - Re-structurer le plan, mon plan, Donnet et Barbillon, échelle méso et comparaison inter réseau et noeuds non partagés. + - Partie Baldock: Ajouter l'ordre des modèles préférés + - Envoyer Info transfer en annexe et remplacer par Network partitioning + - ✅ Fusionner VGAE et information transfer (missing links seulement) donc refaire tourner sur même données qu'en R. A adapter pour Python et pouvoir intégrer dans la figure. (raccourcit). - ✅ Faire sep-VGAE (seulement sur le réseaux avec missing links) et VGAE avec les 4 réseaux. En train de reproduire les résultats, AUC stable autour de 0.7 @@ -32,9 +35,6 @@ bibliography: references.bib - Pour clustering de collections sur données ~~réelles~~ : → L'intuition de Pierre semble être confirmé, les dissimilarités semblent arrêter de varier sensiblement pour de grandes valeurs $(Q_1,Q_2)$. - - ❓Je n'arrive plus à reproduire le bug pour l'inférence... - - 😫 bug encore. S'assurer que ça marche et relancer - - 👶 (délégué à stagiaire) Clustering sur Doré : - Regarder pour les couples date+nom les études et le nombre de réseaux analysables (Possible demander à Élisa) @@ -42,9 +42,9 @@ bibliography: references.bib - Clusteriser sur la base des noms et voir parmi les réseaux Européens (désagrégés ?) - Si M > 10, alors voir si je retrouve les mêmes résultats que dans les études. -- Regarder *Largest gap* sur réseaux Doré + - Regarder *Largest gap* sur réseaux Doré -- Essayer *clustering* sur `supinfo` + - Essayer *clustering* sur `supinfo` - ✅ Homogénéiser notations dans les supplementaries @@ -77,7 +77,7 @@ bibliography: references.bib - TabNet pratiquer les [exercices](https://github.com/cregouby/Tutoriel_torch) - 🆕 SparCC à différent niveaux - 🆕 SBM à différent niveaux -- 🆕 Tree-PLN à différents niveaux +- 🆕⌛ Tree-PLN à différents niveaux #### Causalité @@ -87,6 +87,11 @@ Plus sur le temps long, à regarder - GT causalité - Daria Bystrova lire présentation @bystrovaCausalDiscovery (Meek rules, V-structure) +## A discuter + +- 🆕 Voir pour des Réseaux / GDR ou aller +- 🆕 Chercher des cours à suivre + ## Biblio à faire - Regarder Transport optimal graphes bipartite. @@ -117,9 +122,4 @@ Plus sur le temps long, à regarder ### Largest Gaps - ❗📖 @braultFastConsistentAlgorithm2023 -- ❗📖 @channarondClassificationEstimationStochastic2012 le papier qui introduit le *Largest Gaps* - -## A discuter - -- 🆕 Voir pour des Réseaux / GDR ou aller -- 🆕 Chercher des cours à suivre \ No newline at end of file +- ❗📖 @channarondClassificationEstimationStochastic2012 le papier qui introduit le *Largest Gaps* \ No newline at end of file