Small changes

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.
@@ -118,8 +123,3 @@ Plus sur le temps long, à regarder
 
 - ❗📖 @braultFastConsistentAlgorithm2023
 - ❗📖 @channarondClassificationEstimationStochastic2012 le papier qui introduit le *Largest Gaps*
-
-## A discuter
-
-- 🆕 Voir pour des Réseaux / GDR ou aller
-- 🆕 Chercher des cours à suivre