Buchumschlag

CardiCat: a Variational Autoencoder for High-Cardinality Tabular Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Carlin, Lee, Benjamini, Yuval
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Class Distribution Shifts in Zero-Shot Learning: Learning Robust Representations
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2023)

Predicting Classification Accuracy When Adding New Unobserved Classes
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2020)

Confident Feature Ranking
von: Neuhof, Bitya, et al.
Veröffentlicht: (2023)

Exploring Transformer Placement in Variational Autoencoders for Tabular Data Generation
von: Silva, Aníbal, et al.
Veröffentlicht: (2026)

To Predict or Not To Predict? Proportionally Masked Autoencoders for Tabular Data Imputation
von: Kim, Jungkyu, et al.
Veröffentlicht: (2024)

Posterior-Calibrated Causal Circuits in Variational Autoencoders: Why Image-Domain Interpretability Fails on Tabular Data
von: Roy, Dip, et al.
Veröffentlicht: (2026)

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

XNNTab -- Interpretable Neural Networks for Tabular Data using Sparse Autoencoders
von: Elhadri, Khawla, et al.
Veröffentlicht: (2025)

CatBack: Universal Backdoor Attacks on Tabular Data via Categorical Encoding
von: Tajalli, Behrad, et al.
Veröffentlicht: (2025)

Data Augmentation with Variational Autoencoder for Imbalanced Dataset
von: Stocksieker, Samuel, et al.
Veröffentlicht: (2024)

Exponential Family Variational Flow Matching for Tabular Data Generation
von: Guzmán-Cordero, Andrés, et al.
Veröffentlicht: (2025)

$t^3$-Variational Autoencoder: Learning Heavy-tailed Data with Student's t and Power Divergence
von: Kim, Juno, et al.
Veröffentlicht: (2023)

SwitchTab: Switched Autoencoders Are Effective Tabular Learners
von: Wu, Jing, et al.
Veröffentlicht: (2024)

Cardi-GPT: An Expert ECG-Record Processing Chatbot
von: Mallick, Koustav, et al.
Veröffentlicht: (2025)

IVGAE: Handling Incomplete Heterogeneous Data with a Variational Graph Autoencoder
von: Zhou, Youran, et al.
Veröffentlicht: (2025)

Exploring Variational Graph Autoencoders for Distribution Grid Data Generation
von: Abbas, Syed Zain, et al.
Veröffentlicht: (2025)

Causal Dynamic Variational Autoencoder for Counterfactual Regression in Longitudinal Data
von: Bouchattaoui, Mouad El, et al.
Veröffentlicht: (2023)

Beyond Vanilla Variational Autoencoders: Detecting Posterior Collapse in Conditional and Hierarchical Variational Autoencoders
von: Dang, Hien, et al.
Veröffentlicht: (2023)

Open World Autoencoding Drift Detection with Novel Class Recognition in Tabular Non-stationary Data Streams
von: Komorniczak, Joanna
Veröffentlicht: (2026)

Hybrid Autoencoders for Tabular Data: Leveraging Model-Based Augmentation in Low-Label Settings
von: Naor, Erel, et al.
Veröffentlicht: (2025)

Analysis of Variational Sparse Autoencoders
von: Baker, Zachary, et al.
Veröffentlicht: (2025)

Variational Rank Reduction Autoencoders
von: Mounayer, Jad, et al.
Veröffentlicht: (2025)

Ensemble Visualization With Variational Autoencoder
von: Wu, Cenyang, et al.
Veröffentlicht: (2025)

An Introduction to Discrete Variational Autoencoders
von: Jeffares, Alan, et al.
Veröffentlicht: (2025)

Likelihood-Free Variational Autoencoders
von: Xu, Chen, et al.
Veröffentlicht: (2025)

On Kernel-based Variational Autoencoder
von: Qin, Tian, et al.
Veröffentlicht: (2024)

Bayesian Structural Model Updating with Multimodal Variational Autoencoder
von: Itoi, Tatsuya, et al.
Veröffentlicht: (2024)

Riemannian Geometry-Preserving Variational Autoencoder for MI-BCI Data Augmentation
von: Poļaka, Viktorija, et al.
Veröffentlicht: (2026)

Integrating Random Effects in Variational Autoencoders for Dimensionality Reduction of Correlated Data
von: Simchoni, Giora, et al.
Veröffentlicht: (2024)

Bidirectional Variational Autoencoders
von: Kosko, Bart, et al.
Veröffentlicht: (2025)

Zero-Variance Gradients for Variational Autoencoders
von: Shao, Zilei, et al.
Veröffentlicht: (2025)

Discovering Influential Factors in Variational Autoencoders
von: Liu, Shiqi, et al.
Veröffentlicht: (2018)

Theoretical Convergence Guarantees for Variational Autoencoders
von: Surendran, Sobihan, et al.
Veröffentlicht: (2024)

Addressing Key Challenges of Adversarial Attacks and Defenses in the Tabular Domain: A Methodological Framework for Coherence and Consistency
von: Itzhakev, Yael, et al.
Veröffentlicht: (2024)

Deep Feature Embedding for Tabular Data
von: Wu, Yuqian, et al.
Veröffentlicht: (2024)

Data-driven Synthesis of Magnetic Resonance Spectroscopy Data using a Variational Autoencoder
von: van de Sande, Dennis M. J., et al.
Veröffentlicht: (2026)

CardiGraphormer: Unveiling the Power of Self-Supervised Learning in Revolutionizing Drug Discovery
von: Gupta, Abhijit
Veröffentlicht: (2023)

Boarding for ISS: Imbalanced Self-Supervised: Discovery of a Scaled Autoencoder for Mixed Tabular Datasets
von: Stocksieker, Samuel, et al.
Veröffentlicht: (2024)

Disentanglement of Sources in a Multi-Stream Variational Autoencoder
von: Boukun, Veranika, et al.
Veröffentlicht: (2025)

Posterior Collapse as a Phase Transition in Variational Autoencoders
von: Li, Zhen, et al.
Veröffentlicht: (2025)