Copertina

Synthetic Data Generation and Automated Multidimensional Data Labeling for AI/ML in General and Circular Coordinates

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Williams, Alice, Kovalerchuk, Boris
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

High-Dimensional Data Classification in Concentric Coordinates
di: Williams, Alice, et al.
Pubblicazione: (2025)

General Line Coordinates in 3D
di: Martinez, Joshua, et al.
Pubblicazione: (2024)

Boosting of Classification Models with Human-in-the-Loop Computational Visual Knowledge Discovery
di: Williams, Alice, et al.
Pubblicazione: (2025)

Fully Explainable Classification Models Using Hyperblocks
di: Snyder, Austin, et al.
Pubblicazione: (2025)

Generating the Ground Truth: Synthetic Data for Soft Label and Label Noise Research
di: de Vries, Sjoerd, et al.
Pubblicazione: (2023)

SpinML: Customized Synthetic Data Generation for Private Training of Specialized ML Models
di: Zhang, Jiang, et al.
Pubblicazione: (2025)

Automating Weak Label Generation for Data Programming with Clinicians in the Loop
di: Park, Jean, et al.
Pubblicazione: (2024)

Data Augmentation for Sparse Multidimensional Learning Performance Data Using Generative AI
di: Zhang, Liang, et al.
Pubblicazione: (2024)

Harnessing Synthetic Data from Generative AI for Statistical Inference
di: Abdel-Azim, Ahmad, et al.
Pubblicazione: (2026)

Generative AI for Banks: Benchmarks and Algorithms for Synthetic Financial Transaction Data
di: Karst, Fabian Sven, et al.
Pubblicazione: (2024)

Generative Models for Synthetic Data: Transforming Data Mining in the GenAI Era
di: Li, Dawei, et al.
Pubblicazione: (2025)

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

Utility Theory of Synthetic Data Generation
di: Xu, Shirong, et al.
Pubblicazione: (2023)

Efficiently Generating Multidimensional Calorimeter Data with Tensor Decomposition Parameterization
di: Goulart, Paimon, et al.
Pubblicazione: (2025)

Debiasing Synthetic Data Generated by Deep Generative Models
di: Decruyenaere, Alexander, et al.
Pubblicazione: (2024)

Synthetic Flight Data Generation Using Generative Models
di: Aly, Karim, et al.
Pubblicazione: (2026)

Synthetic Homes: A Multimodal Generative AI Pipeline for Residential Building Data Generation under Data Scarcity
di: Eshbaugh, Jackson, et al.
Pubblicazione: (2025)

Synthetic vs. Gold: The Role of LLM Generated Labels and Data in Cyberbullying Detection
di: Kazemi, Arefeh, et al.
Pubblicazione: (2025)

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

Causal Synthetic Data Generation in Recruitment
di: Iommi, Andrea, et al.
Pubblicazione: (2025)

Generative AI for Synthetic Data Generation: Methods, Challenges and the Future
di: Guo, Xu, et al.
Pubblicazione: (2024)

When to Stop Federated Learning: Zero-Shot Generation of Synthetic Validation Data with Generative AI for Early Stopping
di: Lee, Youngjoon, et al.
Pubblicazione: (2025)

Stress-Testing ML Pipelines with Adversarial Data Corruption
di: Zhu, Jiongli, et al.
Pubblicazione: (2025)

Taming Data Challenges in ML-based Security Tasks Using Generative AI
di: Kanchi, Shravya, et al.
Pubblicazione: (2025)

Refining Labeling Functions with Limited Labeled Data
di: Li, Chenjie, et al.
Pubblicazione: (2025)

When Privacy Isn't Synthetic: Hidden Data Leakage in Generative AI Models
di: Mustaqim, S. M., et al.
Pubblicazione: (2025)

SoftSRV: Learn to Generate Targeted Synthetic Data
di: DeSalvo, Giulia, et al.
Pubblicazione: (2024)

Generating Accurate Synthetic Survival Data by Conditioning on Outcomes
di: Ashhad, Mohd, et al.
Pubblicazione: (2024)

Synthetic Data Generation with LLM for Improved Depression Prediction
di: Kang, Andrea, et al.
Pubblicazione: (2024)

A Reinforcement Learning Approach to Synthetic Data Generation
di: Espinosa-Dice, Natalia, et al.
Pubblicazione: (2025)

A Comprehensive Survey of Synthetic Tabular Data Generation
di: Shi, Ruxue, et al.
Pubblicazione: (2025)

Machine Learning for Synthetic Data Generation: A Review
di: Lu, Yingzhou, et al.
Pubblicazione: (2023)

What's Wrong with Your Synthetic Tabular Data? Using Explainable AI to Evaluate Generative Models
di: Kapar, Jan, et al.
Pubblicazione: (2025)

Meta-Learning and Synthetic Data for Automated Pretraining and Finetuning
di: Ferreira, Fabio
Pubblicazione: (2025)

Knowledge-Guided Retrieval-Augmented Generation for Zero-Shot Psychiatric Data: Privacy Preserving Synthetic Data Generation
di: Jakobsen, Adam, et al.
Pubblicazione: (2026)

End to End Collaborative Synthetic Data Generation
di: Pentyala, Sikha, et al.
Pubblicazione: (2024)

Synthetic Data Generation for Augmenting Small Samples
di: Liu, Dan, et al.
Pubblicazione: (2025)

A General Framework for Data-Use Auditing of ML Models
di: Huang, Zonghao, et al.
Pubblicazione: (2024)

How Realistic Is Your Synthetic Data? Constraining Deep Generative Models for Tabular Data
di: Stoian, Mihaela Cătălina, et al.
Pubblicazione: (2024)

SynCircuit: Automated Generation of New Synthetic RTL Circuits Can Enable Big Data in Circuits
di: Liu, Shang, et al.
Pubblicazione: (2025)