Buchumschlag

A Survey on Self-Supervised Learning for Non-Sequential Tabular Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Wei-Yao, Du, Wei-Wei, Xu, Derek, Wang, Wei, Peng, Wen-Chih
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

APAR: Modeling Irregular Target Functions in Tabular Regression via Arithmetic-Aware Pre-Training and Adaptive-Regularized Fine-Tuning
von: Wu, Hong-Wei, et al.
Veröffentlicht: (2024)

Self-Supervised Learning of Disentangled Representations for Multivariate Time-Series
von: Chang, Ching, et al.
Veröffentlicht: (2024)

Preventing Dimensional Collapse in Self-Supervised Learning via Orthogonality Regularization
von: He, Junlin, et al.
Veröffentlicht: (2024)

A Survey on Data-Centric AI: Tabular Learning from Reinforcement Learning and Generative AI Perspective
von: Ying, Wangyang, et al.
Veröffentlicht: (2025)

Mixture Experts with Test-Time Self-Supervised Aggregation for Tabular Imbalanced Regression
von: Wang, Yung-Chien, et al.
Veröffentlicht: (2025)

MultiTab: A Scalable Foundation for Multitask Learning on Tabular Data
von: Sinodinos, Dimitrios, et al.
Veröffentlicht: (2025)

Offline Imitation of Badminton Player Behavior via Experiential Contexts and Brownian Motion
von: Wang, Kuang-Da, et al.
Veröffentlicht: (2024)

SeqRoute: Global Budget-Aware Sequential LLM Routing via Offline Reinforcement Learning
von: Xu, Zhongling, et al.
Veröffentlicht: (2026)

TimeDRL: Disentangled Representation Learning for Multivariate Time-Series
von: Chang, Ching, et al.
Veröffentlicht: (2023)

An Explainable Gaussian Process Auto-encoder for Tabular Data
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

Unsupervised Anomaly Detection for Tabular Data Using Noise Evaluation
von: Dai, Wei, et al.
Veröffentlicht: (2024)

Rethinking Spectral Augmentation for Contrast-based Graph Self-Supervised Learning
von: Jian, Xiangru, et al.
Veröffentlicht: (2024)

Enhancing Graph Self-Supervised Learning with Graph Interplay
von: Zhao, Xinjian, et al.
Veröffentlicht: (2024)

TabSeq: A Framework for Deep Learning on Tabular Data via Sequential Ordering
von: Habib, Al Zadid Sultan Bin, et al.
Veröffentlicht: (2024)

Deep Learning for Multivariate Time Series Imputation: A Survey
von: Wang, Jun, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Tabular Data Learning: A Survey with Taxonomy and Directions
von: Li, Cheng-Te, et al.
Veröffentlicht: (2024)

CLIMB: Class-imbalanced Learning Benchmark on Tabular Data
von: Liu, Zhining, et al.
Veröffentlicht: (2025)

Self-Harmony: Learning to Harmonize Self-Supervision and Self-Play in Test-Time Reinforcement Learning
von: Wang, Ru, et al.
Veröffentlicht: (2025)

Tabular Data Contrastive Learning via Class-Conditioned and Feature-Correlation Based Augmentation
von: Cui, Wei, et al.
Veröffentlicht: (2024)

Contrastive and Variational Approaches in Self-Supervised Learning for Complex Data Mining
von: Liang, Yingbin, et al.
Veröffentlicht: (2025)

Crime Forecasting: A Spatio-temporal Analysis with Deep Learning Models
von: Mao, Li, et al.
Veröffentlicht: (2025)

A Survey of Continual Reinforcement Learning
von: Pan, Chaofan, et al.
Veröffentlicht: (2025)

Asymptotically Stable Quaternion-valued Hopfield-structured Neural Network with Periodic Projection-based Supervised Learning Rules
von: Wang, Tianwei, et al.
Veröffentlicht: (2025)

Binning as a Pretext Task: Improving Self-Supervised Learning in Tabular Domains
von: Lee, Kyungeun, et al.
Veröffentlicht: (2024)

A Survey on Deep Tabular Learning
von: Somvanshi, Shriyank, et al.
Veröffentlicht: (2024)

Deep Learning with Tabular Data: A Self-supervised Approach
von: Vyas, Tirth Kiranbhai
Veröffentlicht: (2024)

SSPO: Self-traced Step-wise Preference Optimization for Process Supervision and Reasoning Compression
von: Xu, Yuyang, et al.
Veröffentlicht: (2025)

Multimodal Fusion on Low-quality Data: A Comprehensive Survey
von: Zhang, Qingyang, et al.
Veröffentlicht: (2024)

Learning Relational Tabular Data without Shared Features
von: Wu, Zhaomin, et al.
Veröffentlicht: (2025)

Learning Robust Diffusion Models from Imprecise Supervision
von: Wu, Dong-Dong, et al.
Veröffentlicht: (2025)

On the Non-decoupling of Supervised Fine-tuning and Reinforcement Learning in Post-training
von: Niu, Xueyan, et al.
Veröffentlicht: (2026)

Towards Data-Centric AI: A Comprehensive Survey of Traditional, Reinforcement, and Generative Approaches for Tabular Data Transformation
von: Wang, Dongjie, et al.
Veröffentlicht: (2025)

Learning Interpretable Rules for Scalable Data Representation and Classification
von: Wang, Zhuo, et al.
Veröffentlicht: (2023)

Exploring Correlations of Self-Supervised Tasks for Graphs
von: Fang, Taoran, et al.
Veröffentlicht: (2024)

A General Method for Proving Networks Universal Approximation Property
von: Wang, Wei
Veröffentlicht: (2025)

Quantitative Estimation of Target Task Performance from Unsupervised Pretext Task in Semi/Self-Supervised Learning
von: Jia, Lin-Han, et al.
Veröffentlicht: (2025)

Self-Supervised Representation Learning for Geospatial Objects: A Survey
von: Chen, Yile, et al.
Veröffentlicht: (2024)

Dataset Distillation-based Hybrid Federated Learning on Non-IID Data
von: Shi, Xiufang, et al.
Veröffentlicht: (2024)

Diffusion and Flow Matching Models for Tabular Data: A Survey
von: Li, Zhong, et al.
Veröffentlicht: (2025)

Delta Sampling: Data-Free Knowledge Transfer Across Diffusion Models
von: Gao, Zhidong, et al.
Veröffentlicht: (2025)