Buchumschlag

FedTabDiff: Federated Learning of Diffusion Probabilistic Models for Synthetic Mixed-Type Tabular Data Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sattarov, Timur, Schreyer, Marco, Borth, Damian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Privacy Preserving Diffusion Models for Mixed-Type Tabular Data Generation
von: Sattarov, Timur, et al.
Veröffentlicht: (2025)

Federated Diffusion Modeling with Differential Privacy for Tabular Data Synthesis
von: Sattarov, Timur, et al.
Veröffentlicht: (2024)

Diffusion-Scheduled Denoising Autoencoders for Anomaly Detection in Tabular Data
von: Sattarov, Timur, et al.
Veröffentlicht: (2025)

GraphGuard: Contrastive Self-Supervised Learning for Credit-Card Fraud Detection in Multi-Relational Dynamic Graphs
von: Reynisson, Kristófer, et al.
Veröffentlicht: (2024)

TabDiff: a Mixed-type Diffusion Model for Tabular Data Generation
von: Shi, Juntong, et al.
Veröffentlicht: (2024)

DiffImpute: Tabular Data Imputation With Denoising Diffusion Probabilistic Model
von: Wen, Yizhu, et al.
Veröffentlicht: (2024)

The Impact of Model Zoo Size and Composition on Weight Space Learning
von: Falk, Damian, et al.
Veröffentlicht: (2025)

TabDDPM: Modelling Tabular Data with Diffusion Models
von: Kotelnikov, Akim, et al.
Veröffentlicht: (2022)

Continuous Diffusion for Mixed-Type Tabular Data
von: Mueller, Markus, et al.
Veröffentlicht: (2023)

Sample Weight Estimation Using Meta-Updates for Online Continual Learning
von: Hemati, Hamed, et al.
Veröffentlicht: (2024)

Balanced Mixed-Type Tabular Data Synthesis with Diffusion Models
von: Yang, Zeyu, et al.
Veröffentlicht: (2024)

Diffusion Models for Tabular Data Imputation and Synthetic Data Generation
von: Villaizán-Vallelado, Mario, et al.
Veröffentlicht: (2024)

TabPFGen -- Tabular Data Generation with TabPFN
von: Ma, Junwei, et al.
Veröffentlicht: (2024)

Fed-TGAN: Federated Learning Framework for Synthesizing Tabular Data
von: Zhao, Zilong, et al.
Veröffentlicht: (2021)

Learning Model Representations Using Publicly Available Model Hubs
von: Falk, Damian, et al.
Veröffentlicht: (2025)

TabMixNN: A Unified Deep Learning Framework for Structural Mixed Effects Modeling on Tabular Data
von: Akdemir, Deniz
Veröffentlicht: (2025)

Federated Learning for Tabular Data using TabNet: A Vehicular Use-Case
von: Lindskog, William, et al.
Veröffentlicht: (2024)

Mixed-Type Tabular Data Synthesis with Score-based Diffusion in Latent Space
von: Zhang, Hengrui, et al.
Veröffentlicht: (2023)

Towards Scalable and Versatile Weight Space Learning
von: Schürholt, Konstantin, et al.
Veröffentlicht: (2024)

CausalDiffTab: Mixed-Type Causal-Aware Diffusion for Tabular Data Generation
von: Zhang, Jia-Chen, et al.
Veröffentlicht: (2025)

MambaTab: A Plug-and-Play Model for Learning Tabular Data
von: Ahamed, Md Atik, et al.
Veröffentlicht: (2024)

TabSynDex: A Universal Metric for Robust Evaluation of Synthetic Tabular Data
von: Chundawat, Vikram S, et al.
Veröffentlicht: (2022)

Extending Tabular Denoising Diffusion Probabilistic Models for Time-Series Data Generation
von: Dobhal, Umang, et al.
Veröffentlicht: (2026)

DiffFinger: Advancing Synthetic Fingerprint Generation through Denoising Diffusion Probabilistic Models
von: Grabovski, Freddie, et al.
Veröffentlicht: (2024)

FedDiff: Diffusion Model Driven Federated Learning for Multi-Modal and Multi-Clients
von: Li, DaiXun, et al.
Veröffentlicht: (2023)

LLM-TabLogic: Preserving Inter-Column Logical Relationships in Synthetic Tabular Data via Prompt-Guided Latent Diffusion
von: Long, Yunbo, et al.
Veröffentlicht: (2025)

SurvDiff: A Diffusion Model for Generating Synthetic Data in Survival Analysis
von: Brockschmidt, Marie, et al.
Veröffentlicht: (2025)

A Model Zoo of Vision Transformers
von: Falk, Damian, et al.
Veröffentlicht: (2025)

Improving TabPFN's Synthetic Data Generation by Integrating Causal Structure
von: Tugnoli, Davide, et al.
Veröffentlicht: (2026)

PATE-TabTransGAN: Differentially Private Synthetic Tabular Data Generation via Transformer-Based Student Discrimination
von: Youssef, M., et al.
Veröffentlicht: (2026)

TabSTAR: A Tabular Foundation Model for Tabular Data with Text Fields
von: Arazi, Alan, et al.
Veröffentlicht: (2025)

Fin-Fed-OD: Federated Outlier Detection on Financial Tabular Data
von: Herurkar, Dayananda, et al.
Veröffentlicht: (2024)

TabSCM: A practical Framework for Generating Realistic Tabular Data
von: Jacob, Sven, et al.
Veröffentlicht: (2026)

Privacy-Preserving Tabular Synthetic Data Generation Using TabularARGN
von: Sidorenko, Andrey, et al.
Veröffentlicht: (2025)

FedGMI: Generative Model-Driven Federated Learning for Probabilistic Mixture Inference
von: Hou, Qijun, et al.
Veröffentlicht: (2026)

TAEGAN: Generating Synthetic Tabular Data For Data Augmentation
von: Li, Jiayu, et al.
Veröffentlicht: (2024)

TabNSA: Native Sparse Attention for Efficient Tabular Data Learning
von: Eslamian, Ali, et al.
Veröffentlicht: (2025)

DiffLM: Controllable Synthetic Data Generation via Diffusion Language Models
von: Zhou, Ying, et al.
Veröffentlicht: (2024)

Mitra: Mixed Synthetic Priors for Enhancing Tabular Foundation Models
von: Zhang, Xiyuan, et al.
Veröffentlicht: (2025)

TabQL: In-Context Q-Learning with Tabular Foundation Models
von: Liu, Qisai, et al.
Veröffentlicht: (2026)