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.
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.
Présente deux exemples fondamentaux d'ensembles simpliciaux: le nerf d'une petite catégorie et l'ensemble simplicial singulier d'un espace topologique.
Couvre l'adjonction entre les ensembles simpliciaux et les catégories enrichies en simpliciation, y compris la préservation des inclusions et la construction des catégories homotopiques.
Contient les CNN, les RNN, les SVM et les méthodes d'apprentissage supervisé, soulignant l'importance d'harmoniser la régularisation et de prendre des décisions éclairées dans le domaine de l'apprentissage automatique.
Comparer les algorithmes K-Means et Spectral Clustering, en mettant en évidence leurs différences et leurs applications pratiques dans le regroupement des comportements des élèves.
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.
Couvre les premières propriétés de l'homologie singulière et la préservation des composants de décomposition et de chemin connectés dans les espaces topologiques.
Démontre l'équivalence entre l'homologie simpliciale et singulière, prouvant les isomorphismes pour les complexes s finis et discutant de longues séquences exactes.
