Copertina

Balanced Mixed-Type Tabular Data Synthesis with Diffusion Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Yang, Zeyu, Yu, Han, Guo, Peikun, Zanna, Khadija, Yang, Xiaoxue, Sano, Akane
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Enhancing Fairness and Performance in Machine Learning Models: A Multi-Task Learning Approach with Monte-Carlo Dropout and Pareto Optimality
di: Zanna, Khadija, et al.
Pubblicazione: (2024)

Fairness-Driven LLM-based Causal Discovery with Active Learning and Dynamic Scoring
di: Zanna, Khadija, et al.
Pubblicazione: (2025)

Uncovering Bias Paths with LLM-guided Causal Discovery: An Active Learning and Dynamic Scoring Approach
di: Zanna, Khadija, et al.
Pubblicazione: (2025)

AdaWaveNet: Adaptive Wavelet Network for Time Series Analysis
di: Yu, Han, et al.
Pubblicazione: (2024)

LEAVES: Learning Views for Time-Series Biobehavioral Data in Contrastive Learning
di: Yu, Han, et al.
Pubblicazione: (2022)

ECG Semantic Integrator (ESI): A Foundation ECG Model Pretrained with LLM-Enhanced Cardiological Text
di: Yu, Han, et al.
Pubblicazione: (2024)

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

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

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

FedTabDiff: Federated Learning of Diffusion Probabilistic Models for Synthetic Mixed-Type Tabular Data Generation
di: Sattarov, Timur, et al.
Pubblicazione: (2024)

Diffusion-nested Auto-Regressive Synthesis of Heterogeneous Tabular Data
di: Zhang, Hengrui, et al.
Pubblicazione: (2024)

GRAIL: A Benchmark for GRaph ActIve Learning in Dynamic Sensing Environments
di: Khalid, Maryam, et al.
Pubblicazione: (2025)

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

Cascaded Flow Matching for Heterogeneous Tabular Data with Mixed-Type Features
di: Mueller, Markus, et al.
Pubblicazione: (2026)

Weight-Informed Self-Explaining Clustering for Mixed-Type Tabular Data
di: Li, Lehao, et al.
Pubblicazione: (2026)

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

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

Fully Test-time Adaptation for Tabular Data
di: Zhou, Zhi, et al.
Pubblicazione: (2024)

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

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

Understanding and Mitigating Memorization in Diffusion Models for Tabular Data
di: Fang, Zhengyu, et al.
Pubblicazione: (2024)

Flow Matching for Tabular Data Synthesis
di: Nasution, Bahrul Ilmi, et al.
Pubblicazione: (2025)

Exploration of LLMs, EEG, and behavioral data to measure and support attention and sleep
di: Sano, Akane, et al.
Pubblicazione: (2024)

TabuLa: Harnessing Language Models for Tabular Data Synthesis
di: Zhao, Zilong, et al.
Pubblicazione: (2023)

Self-Supervision Improves Diffusion Models for Tabular Data Imputation
di: Liu, Yixin, et al.
Pubblicazione: (2024)

Autoregressive Synthesis of Sparse and Semi-Structured Mixed-Type Data
di: Rückstieß, Thomas, et al.
Pubblicazione: (2026)

Make Still Further Progress: Chain of Thoughts for Tabular Data Leaderboard
di: Liu, Si-Yang, et al.
Pubblicazione: (2025)

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

CTSyn: A Foundation Model for Cross Tabular Data Generation
di: Lin, Xiaofeng, et al.
Pubblicazione: (2024)

VT-GAN: Cooperative Tabular Data Synthesis using Vertical Federated Learning
di: Zhao, Zilong, et al.
Pubblicazione: (2023)

Representation Learning for Tabular Data: A Comprehensive Survey
di: Jiang, Jun-Peng, et al.
Pubblicazione: (2025)

Winning the MIDST Challenge: New Membership Inference Attacks on Diffusion Models for Tabular Data Synthesis
di: Wu, Xiaoyu, et al.
Pubblicazione: (2025)

Structured Evaluation of Synthetic Tabular Data
di: Yang, Scott Cheng-Hsin, et al.
Pubblicazione: (2024)

Systematic Assessment of Tabular Data Synthesis
di: Du, Yuntao, et al.
Pubblicazione: (2024)

Tabby: A Language Model Architecture for Tabular and Structured Data Synthesis
di: Cromp, Sonia, et al.
Pubblicazione: (2025)

Tabular Data Generation using Binary Diffusion
di: Kinakh, Vitaliy, et al.
Pubblicazione: (2024)

OceanForecastBench: A Benchmark Dataset for Data-Driven Global Ocean Forecasting
di: Jia, Haoming, et al.
Pubblicazione: (2025)

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

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

A Closer Look on Memorization in Tabular Diffusion Model: A Data-Centric Perspective
di: Fang, Zhengyu, et al.
Pubblicazione: (2025)