80 lines
No EOL
2.4 KiB
Text
80 lines
No EOL
2.4 KiB
Text
---
|
|
title: "Bilan semaine 13 2025 : 17-21 mars"
|
|
date: 17 03 2025
|
|
categories:
|
|
- colBiSBM
|
|
---
|
|
|
|
Cette semaine j'ai :
|
|
|
|
- Fini d'intégrer à colSBM tous les changements (clustering dérecursifier pour
|
|
uni et bipartites& cli ...) et contacter Saint-Clair pour passer colSBM sous GrossSBM.
|
|
- Relancer et obtenus les résultats pour le clustering sur les réseaux Baldock
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
- Relancer et obtenus les résultats pour les simus ajoutant du bruits sur les structures et liens
|
|
- Pour *noisy $\alpha$*:
|
|
|
|
Plan de simulation 2 collections ($d\in (1,2)$) avec $M = 30$ soit 15 réseaux par type. $n_r = n_c = 120$ et
|
|
$$\pi_1 = \begin{pmatrix} 0.5, 0.3, 0.2\end{pmatrix},~
|
|
\rho_1 = \begin{pmatrix}0.4, 0.3, 0.2, 0.1\end{pmatrix},~
|
|
\alpha_1 = \begin{pmatrix}
|
|
0.85& 0.4& 0.2& 0.15\\
|
|
0.6& 0.2& 0.15& 0.15\\
|
|
0.2& 0.15& 0.15& 0.7
|
|
\end{pmatrix}$$
|
|
|
|
$$ \pi_2 = (0.5, 0.3, 0.2),~
|
|
\rho_2 = (0.45, 0.3, 0.25),~
|
|
\alpha_2 = \begin{pmatrix}
|
|
0.65& 0.15& 0.15\\
|
|
0.15& 0.8& 0.15\\
|
|
0.15& 0.15& 0.4
|
|
\end{pmatrix}$$
|
|
|
|
$\epsilon \in (0, 0.01, \dots 0.05)$ qui est l'écart-type d'une $\mathcal{N}_{Q_1^d \times Q_2^d}(0,\epsilon^2) = vec(N^m), \forall m \in (1,\dots, M)$.
|
|
Et $\forall m, X^m \sim LBM_{n_r,n_c}(Q_1^d, Q_2^d, \alpha_d + N^m, \pi_d, \rho_d)$
|
|
|
|
Résultats :
|
|
|
|
|
|
- Pour *noisy links*:
|
|
|
|
Plan de simu $M = 30$, $n_r = n_c = 120$.
|
|
$$\pi_1 = \begin{pmatrix} 0.5, 0.3, 0.2\end{pmatrix},~
|
|
\rho_1 = \begin{pmatrix}0.4, 0.3, 0.2, 0.1\end{pmatrix},~
|
|
\alpha_1 = \begin{pmatrix}
|
|
0.85& 0.4& 0.2& 0.05\\
|
|
0.6& 0.2& 0.05& 0.05\\
|
|
0.2& 0.05& 0.05& 0.7
|
|
\end{pmatrix}$$
|
|
|
|
$$ \pi_2 = (0.5, 0.3, 0.2),~
|
|
\rho_2 = (0.45, 0.3, 0.25),~
|
|
\alpha_2 = \begin{pmatrix}
|
|
0.65& 0.05& 0.05\\
|
|
0.05& 0.8& 0.05\\
|
|
0.05& 0.05& 0.4
|
|
\end{pmatrix}$$
|
|
|
|
$\epsilon \in (0, 0.05, \dots 0.5)$, indices de la matrice = sample.int($n_r \times n_c$, size = $n_r \times n_c \times \epsilon$). Les indices tirés inverse la valeur du lien (1 -> 0, 0 -> 1)
|
|
|
|
|
|
::: {#fig-results-linsk layout-ncol=2}
|
|
|
|
|
|
|
|
|
|
|
|
:::
|
|
|
|
- Relancer simulations robustesse aux NAs
|
|
|
|
- Changer les plots résultats NAs pour faire sous-plots comparant sep vs model. |