PHINN: Persistent Homology Inspired Neural Network for Rare-Event Time Series Generation
PHINN est un cadre génératif de type « flow-matching » qui exploite l'homologie persistante, plus précisément les courbes de Betti dynamiques et les pertes de paysages de persistance, pour modéliser efficacement les événements rares dans les séries temporelles en capturant des empreintes topologiques stables, surpassant ainsi les bases de référence statistiques et de diffusion existantes en termes de fidélité topologique et de couverture des queues de distribution à travers divers domaines.