Buchumschlag

Deep Learning Meets Oversampling: A Learning Framework to Handle Imbalanced Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kishanthan, Sukumar, Hevapathige, Asela
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

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

Orthogonal Activation with Implicit Group-Aware Bias Learning for Class Imbalance
von: Kishanthan, Sukumar, et al.
Veröffentlicht: (2025)

Large Language Models for Math Education in Low-Resource Languages: A Study in Sinhala and Tamil
von: Kishanthan, Sukumar, et al.
Veröffentlicht: (2026)

Bridging Computational Social Science and Deep Learning: Cultural Dissemination-Inspired Graph Neural Networks
von: Hevapathige, Asela
Veröffentlicht: (2025)

DeepSN: A Sheaf Neural Framework for Influence Maximization
von: Hevapathige, Asela, et al.
Veröffentlicht: (2024)

Permutation-Invariant Graph Partitioning:How Graph Neural Networks Capture Structural Interactions?
von: Hevapathige, Asela, et al.
Veröffentlicht: (2023)

From Specification to Architecture: A Theory Compiler for Knowledge-Guided Machine Learning
von: Hevapathige, Asela, et al.
Veröffentlicht: (2026)

Beyond Fixed Depth: Adaptive Graph Neural Networks for Node Classification Under Varying Homophily
von: Hevapathige, Asela, et al.
Veröffentlicht: (2025)

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

Graph Neural Diffusion via Generalized Opinion Dynamics
von: Hevapathige, Asela, et al.
Veröffentlicht: (2025)

Depth-Adaptive Graph Neural Networks via Learnable Bakry-'Emery Curvature
von: Hevapathige, Asela, et al.
Veröffentlicht: (2025)

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)

Invariant-Stratified Propagation for Expressive Graph Neural Networks
von: Hevapathige, Asela, et al.
Veröffentlicht: (2026)

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

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

Arch-VQ: Discrete Architecture Representation Learning with Autoregressive Priors
von: Poddenige, Deshani Geethika, et al.
Veröffentlicht: (2025)

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

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

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

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

Synthetic Oversampling: Theory and A Practical Approach Using LLMs to Address Data Imbalance
von: Nakada, Ryumei, et al.
Veröffentlicht: (2024)

Classification Imbalance as Transfer Learning
von: Xia, Eric, et al.
Veröffentlicht: (2026)

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

A Machine Learning Framework for Handling Unreliable Absence Label and Class Imbalance for Marine Stinger Beaching Prediction
von: Ibenegbu, Amuche, et al.
Veröffentlicht: (2025)

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

Learning Confidence Bounds for Classification with Imbalanced Data
von: Clifford, Matt, et al.
Veröffentlicht: (2024)

HardVis: Visual Analytics to Handle Instance Hardness Using Undersampling and Oversampling Techniques
von: Chatzimparmpas, Angelos, et al.
Veröffentlicht: (2022)

Adaptive Cluster-Based Synthetic Minority Oversampling Technique for Traffic Mode Choice Prediction with Imbalanced Dataset
von: Ooi, Guang An, 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)

iHHO-SMOTe: A Cleansed Approach for Handling Outliers and Reducing Noise to Improve Imbalanced Data Classification
von: Raslan, Khaled SH., et al.
Veröffentlicht: (2025)

OverNaN: NaN-Aware Oversampling for Imbalanced Learning with Meaningful Missingness
von: Barnard, Amanda S
Veröffentlicht: (2026)

A Systematic Evaluation of Imbalance Handling Methods in Biomedical Binary Classification
von: Chen, Jiandong, et al.
Veröffentlicht: (2026)

An Efficient NAS-based Approach for Handling Imbalanced Datasets
von: Yao, Zhiwei
Veröffentlicht: (2024)

Handling Device Heterogeneity for Deep Learning-based Localization
von: Shokry, Ahmed, et al.
Veröffentlicht: (2024)

Learning Majority-to-Minority Transformations with MMD and Triplet Loss for Imbalanced Classification
von: Cha, Suman, et al.
Veröffentlicht: (2025)

An Autoencoder and Generative Adversarial Networks Approach for Multi-Omics Data Imbalanced Class Handling and Classification
von: Al-Hurani, Ibrahim, et al.
Veröffentlicht: (2024)

A Bilevel Optimization Framework for Imbalanced Data Classification
von: Medlin, Karen, et al.
Veröffentlicht: (2024)