Buchumschlag

Synthetic Oversampling: Theory and A Practical Approach Using LLMs to Address Data Imbalance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nakada, Ryumei, Xu, Yichen, Li, Lexin, Zhang, Linjun
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

Residual Feature Integration is Sufficient to Prevent Negative Transfer
von: Xu, Yichen, et al.
Veröffentlicht: (2025)

Contrastive Network Representation Learning
von: Dong, Zihan, et al.
Veröffentlicht: (2025)

Differentially Private Federated Learning: Servers Trustworthiness, Estimation, and Statistical Inference
von: Zhang, Zhe, et al.
Veröffentlicht: (2024)

Safeguarding Data in Multimodal AI: A Differentially Private Approach to CLIP Training
von: Huang, Alyssa, et al.
Veröffentlicht: (2023)

A Theoretical Framework for Prompt Engineering: Approximating Smooth Functions with Transformer Prompts
von: Nakada, Ryumei, et al.
Veröffentlicht: (2025)

Contrastive Learning on Multimodal Analysis of Electronic Health Records
von: Cai, Tianxi, et al.
Veröffentlicht: (2024)

Enhancing Machine Learning for Imbalanced Medical Data: A Quantum-Inspired Approach to Synthetic Oversampling (QI-SMOTE)
von: Kashtriya, Vikas, et al.
Veröffentlicht: (2025)

SMOGAN: Synthetic Minority Oversampling with GAN Refinement for Imbalanced Regression
von: Alahyari, Shayan, et al.
Veröffentlicht: (2025)

A Statistical Hypothesis Testing Framework for Data Misappropriation Detection in Large Language Models
von: Cai, Yinpeng, et al.
Veröffentlicht: (2025)

Enhancing Synthetic Oversampling for Imbalanced Datasets Using Proxima-Orion Neighbors and q-Gaussian Weighting Technique
von: Yadav, Pankaj, et al.
Veröffentlicht: (2025)

Kernel-Based Enhanced Oversampling Method for Imbalanced Classification
von: Li, Wenjie, et al.
Veröffentlicht: (2025)

PEANuT: Parameter-Efficient Adaptation with Weight-aware Neural Tweakers
von: Zhong, Yibo, et al.
Veröffentlicht: (2024)

HyperSMOTE: A Hypergraph-based Oversampling Approach for Imbalanced Node Classifications
von: Zhao, Ziming, et al.
Veröffentlicht: (2024)

Evo-TFS: Evolutionary Time-Frequency Domain-Based Synthetic Minority Oversampling Approach to Imbalanced Time Series Classification
von: Pei, Wenbin, et al.
Veröffentlicht: (2026)

S$^{2}$FT: Efficient, Scalable and Generalizable LLM Fine-tuning by Structured Sparsity
von: Yang, Xinyu, et al.
Veröffentlicht: (2024)

Adaptive Cluster-Based Synthetic Minority Oversampling Technique for Traffic Mode Choice Prediction with Imbalanced Dataset
von: Ooi, Guang An, et al.
Veröffentlicht: (2025)

Harnessing Mixed Features for Imbalance Data Oversampling: Application to Bank Customers Scoring
von: Sakho, Abdoulaye, et al.
Veröffentlicht: (2025)

Beyond Imbalance Ratio: Data Characteristics as Critical Moderators of Oversampling Method Selection
von: Jiang, Yuwen, et al.
Veröffentlicht: (2026)

A Similarity-Based Oversampling Method for Multi-label Imbalanced Text Data
von: Karaman, Ismail Hakki, et al.
Veröffentlicht: (2024)

Bias-Corrected Data Synthesis for Imbalanced Learning
von: Lyu, Pengfei, et al.
Veröffentlicht: (2025)

Addressing Multilabel Imbalance with an Efficiency-Focused Approach Using Diffusion Model-Generated Synthetic Samples
von: Charte, Francisco, et al.
Veröffentlicht: (2025)

GAT-RWOS: Graph Attention-Guided Random Walk Oversampling for Imbalanced Data Classification
von: Rustamov, Zahiriddin, et al.
Veröffentlicht: (2024)

Extrapolated Markov Chain Oversampling Method for Imbalanced Text Classification
von: Avela, Aleksi, et al.
Veröffentlicht: (2025)

Simplicial SMOTE: Oversampling Solution to the Imbalanced Learning Problem
von: Kachan, Oleg, et al.
Veröffentlicht: (2025)

A Quantum Approach to Synthetic Minority Oversampling Technique (SMOTE)
von: Mohanty, Nishikanta, et al.
Veröffentlicht: (2024)

Imbalanced Graph Classification with Multi-scale Oversampling Graph Neural Networks
von: Ma, Rongrong, et al.
Veröffentlicht: (2024)

Deep Learning Meets Oversampling: A Learning Framework to Handle Imbalanced Classification
von: Kishanthan, Sukumar, et al.
Veröffentlicht: (2025)

AxelSMOTE: An Agent-Based Oversampling Algorithm for Imbalanced Classification
von: Kishanthan, Sukumar, et al.
Veröffentlicht: (2025)

An Oversampling-enhanced Multi-class Imbalanced Classification Framework for Patient Health Status Prediction Using Patient-reported Outcomes
von: Yan, Yang, et al.
Veröffentlicht: (2024)

Advancing DDoS Attack Detection: A Synergistic Approach Using Deep Residual Neural Networks and Synthetic Oversampling
von: Alfatemi, Ali, et al.
Veröffentlicht: (2024)

Agnostic Interactive Imitation Learning: New Theory and Practical Algorithms
von: Li, Yichen, et al.
Veröffentlicht: (2023)

Fraud is Not Just Rarity: A Causal Prototype Attention Approach to Realistic Synthetic Oversampling
von: Giusti, Claudio, et al.
Veröffentlicht: (2025)

Oversampling and Downsampling with Core-Boundary Awareness: A Data Quality-Driven Approach
von: Belhaouari, Samir Brahim, et al.
Veröffentlicht: (2025)

Generative Synthetic Data for Causal Inference: Pitfalls, Remedies, and Opportunities
von: Xu, Yichen
Veröffentlicht: (2026)

Towards Better Performance in Incomplete LDL: Addressing Data Imbalance
von: Kou, Zhiqiang, et al.
Veröffentlicht: (2024)

Score Attack: A Lower Bound Technique for Optimal Differentially Private Learning
von: Cai, T. Tony, et al.
Veröffentlicht: (2023)

Minimum Enclosing Ball Synthetic Minority Oversampling Technique from a Geometric Perspective
von: Shangguan, Yi-Yang, et al.
Veröffentlicht: (2024)

A Technical Exploration of Causal Inference with Hybrid LLM Synthetic Data
von: Kim, Dana, et al.
Veröffentlicht: (2025)

Leveraging Generative Adversarial Networks for Addressing Data Imbalance in Financial Market Supervision
von: Jiang, Mohan, et al.
Veröffentlicht: (2024)

CARTGen-IR: Synthetic Tabular Data Generation for Imbalanced Regression
von: Pinheiro, António Pedro, et al.
Veröffentlicht: (2025)