Buchumschlag

TabMDA: Tabular Manifold Data Augmentation for Any Classifier using Transformers with In-context Subsetting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Margeloiu, Andrei, Bazaga, Adrián, Simidjievski, Nikola, Liò, Pietro, Jamnik, Mateja
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

GCondNet: A Novel Method for Improving Neural Networks on Small High-Dimensional Tabular Data
von: Margeloiu, Andrei, et al.
Veröffentlicht: (2022)

TabEBM: A Tabular Data Augmentation Method with Distinct Class-Specific Energy-Based Models
von: Margeloiu, Andrei, et al.
Veröffentlicht: (2024)

LLM Embeddings for Deep Learning on Tabular Data
von: Koloski, Boshko, et al.
Veröffentlicht: (2025)

ProtoGate: Prototype-based Neural Networks with Global-to-local Feature Selection for Tabular Biomedical Data
von: Jiang, Xiangjian, et al.
Veröffentlicht: (2023)

TabStruct: Measuring Structural Fidelity of Tabular Data
von: Jiang, Xiangjian, et al.
Veröffentlicht: (2025)

HEALNet: Multimodal Fusion for Heterogeneous Biomedical Data
von: Hemker, Konstantin, et al.
Veröffentlicht: (2023)

Multimodal Lego: Model Merging and Fine-Tuning Across Topologies and Modalities in Biomedicine
von: Hemker, Konstantin, et al.
Veröffentlicht: (2024)

PATHS: A Hierarchical Transformer for Efficient Whole Slide Image Analysis
von: Buzzard, Zak, et al.
Veröffentlicht: (2024)

How Well Does Your Tabular Generator Learn the Structure of Tabular Data?
von: Jiang, Xiangjian, et al.
Veröffentlicht: (2025)

RO-FIGS: Efficient and Expressive Tree-Based Ensembles for Tabular Data
von: Matjašec, Urška, et al.
Veröffentlicht: (2025)

Sphere Neural-Networks for Rational Reasoning
von: Dong, Tiansi, et al.
Veröffentlicht: (2024)

An AI Monkey Gets Grapes for Sure -- Sphere Neural Networks for Reliable Decision-Making
von: Dong, Tiansi, et al.
Veröffentlicht: (2026)

FLUID-LLM: Learning Computational Fluid Dynamics with Spatiotemporal-aware Large Language Models
von: Zhu, Max, et al.
Veröffentlicht: (2024)

Tabular Foundation Model for Generative Modelling
von: Jiang, Xiangjian, et al.
Veröffentlicht: (2026)

Measuring Cross-Modal Interactions in Multimodal Models
von: Wenderoth, Laura, et al.
Veröffentlicht: (2024)

Towards Spatial Transcriptomics-driven Pathology Foundation Models
von: Hemker, Konstantin, et al.
Veröffentlicht: (2026)

Digging Deeper: Learning Multi-Level Concept Hierarchies
von: Hill, Oscar, et al.
Veröffentlicht: (2026)

Hierarchical Concept-based Interpretable Models
von: Hill, Oscar, et al.
Veröffentlicht: (2026)

Foundations of Interpretable Models
von: Barbiero, Pietro, et al.
Veröffentlicht: (2025)

TabKANet: Tabular Data Modeling with Kolmogorov-Arnold Network and Transformer
von: Gao, Weihao, et al.
Veröffentlicht: (2024)

TabSurv: Adapting Modern Tabular Neural Networks to Survival Analysis
von: Kirpichenko, Stanislav, et al.
Veröffentlicht: (2026)

Avoiding Leakage Poisoning: Concept Interventions Under Distribution Shifts
von: Zarlenga, Mateo Espinosa, et al.
Veröffentlicht: (2025)

Do Concept Bottleneck Models Respect Localities?
von: Raman, Naveen, et al.
Veröffentlicht: (2024)

Interpretable Neural-Symbolic Concept Reasoning
von: Barbiero, Pietro, et al.
Veröffentlicht: (2023)

VisTabNet: Adapting Vision Transformers for Tabular Data
von: Wydmański, Witold, et al.
Veröffentlicht: (2024)

Multi-Head Explainer: A General Framework to Improve Explainability in CNNs and Transformers
von: Sun, Bohang, et al.
Veröffentlicht: (2025)

Language Model Knowledge Distillation for Efficient Question Answering in Spanish
von: Bazaga, Adrián, et al.
Veröffentlicht: (2023)

SQLformer: Deep Auto-Regressive Query Graph Generation for Text-to-SQL Translation
von: Bazaga, Adrián, et al.
Veröffentlicht: (2023)

HyperBERT: Mixing Hypergraph-Aware Layers with Language Models for Node Classification on Text-Attributed Hypergraphs
von: Bazaga, Adrián, et al.
Veröffentlicht: (2024)

Unsupervised Pretraining for Fact Verification by Language Model Distillation
von: Bazaga, Adrián, et al.
Veröffentlicht: (2023)

Shaping the Future of Mathematics in the Age of AI
von: Commelin, Johan, et al.
Veröffentlicht: (2026)

TabChange: Precise Attribute Changes in Tabular Data
von: Dahal, Arjun, et al.
Veröffentlicht: (2026)

Learning to Receive Help: Intervention-Aware Concept Embedding Models
von: Zarlenga, Mateo Espinosa, et al.
Veröffentlicht: (2023)

TabDPT: Scaling Tabular Foundation Models on Real Data
von: Ma, Junwei, et al.
Veröffentlicht: (2024)

Symmetry and Generalisation in Neural Approximations of Renormalisation Transformations
von: Ashworth, Cassidy, et al.
Veröffentlicht: (2025)

TabDSR: Decompose, Sanitize, and Reason for Complex Numerical Reasoning in Tabular Data
von: Jiang, Changjiang, et al.
Veröffentlicht: (2025)

(GG) MoE vs. MLP on Tabular Data
von: Chernov, Andrei
Veröffentlicht: (2025)

Actionable Interpretability Must Be Defined in Terms of Symmetries
von: Barbiero, Pietro, et al.
Veröffentlicht: (2026)

TabArena: A Living Benchmark for Machine Learning on Tabular Data
von: Erickson, Nick, et al.
Veröffentlicht: (2025)

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