Explore le rôle des propriétés topologiques d'ordre supérieur dans les réseaux complexes en utilisant l'analyse topologique des données pour la détection des ruptures structurelles et des anomalies de prix.
Explore les interactions d'ordre supérieur dans les réseaux cérébraux en utilisant des complexes simpliciaux et la théorie de l'information, en analysant les données de l'IRMf, des séries chronologiques financières et des maladies infectieuses.
Plonge dans l'analyse des données topologiques, explorant la forme des données et leur structure sous-jacente à l'aide d'outils et de concepts mathématiques.
Se penche sur l'analyse des données topologiques, en mettant l'accent sur les fondements mathématiques des réseaux neuronaux et en explorant l'hypothèse multiple et l'homologie persistante.
Explore les schémas de compression, la reconnaissance des textures, les patchs de plage, l'évolution et les variantes sur la persistance dans la topologie appliquée.
Présente deux exemples fondamentaux d'ensembles simpliciaux: le nerf d'une petite catégorie et l'ensemble simplicial singulier d'un espace topologique.
Introduit la construction de quasi-catégories à partir de catégories enrichies de Kan en définissant des catégories simplifiées et en construisant le foncteur nerveux simplicial.
Explore l'influence de la complexité sur les propriétés ergonomiques des systèmes symboliques, présentant le théorème Curtis-Hedlund-Lyndon et les constructions de sous-postes minimaux.
Couvre les premières propriétés de l'homologie singulière et la préservation des composants de décomposition et de chemin connectés dans les espaces topologiques.
