Buchumschlag

Rebalancing the Scales: A Systematic Mapping Study of Generative Adversarial Networks (GANs) in Addressing Data Imbalance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yadav, Pankaj, Sihag, Gulshan, Vijay, Vivek
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Kolmogorov Arnold Networks (KANs) for Imbalanced Data -- An Empirical Perspective
von: Yadav, Pankaj, et al.
Veröffentlicht: (2025)

Class-Imbalanced Graph Learning without Class Rebalancing
von: Liu, Zhining, et al.
Veröffentlicht: (2023)

Beyond Rebalancing: Benchmarking Binary Classifiers Under Class Imbalance Without Rebalancing Techniques
von: Nawaz, Ali, et al.
Veröffentlicht: (2025)

Data Cleansing for GANs
von: Terashita, Naoyuki, et al.
Veröffentlicht: (2025)

Generalized Regression with Conditional GANs
von: Jobson, Deddy, et al.
Veröffentlicht: (2024)

Rebalanced Multimodal Learning with Data-aware Unimodal Sampling
von: Jiang, Qingyuan, et al.
Veröffentlicht: (2025)

Synthetic Tabular Data Generation for Class Imbalance and Fairness: A Comparative Study
von: Panagiotou, Emmanouil, et al.
Veröffentlicht: (2024)

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

INO-SGD: Addressing Utility Imbalance under Individualized Differential Privacy
von: Tian, Xiao, et al.
Veröffentlicht: (2026)

Differentially Private Federated Clustering with Random Rebalancing
von: Yang, Xiyuan, et al.
Veröffentlicht: (2025)

GANs Conditioning Methods: A Survey
von: Bourou, Anis, et al.
Veröffentlicht: (2024)

Differentially Private Synthetic Data Generation Using Context-Aware GANs
von: Kotal, Anantaa, et al.
Veröffentlicht: (2025)

Data-Free Generative Replay for Class-Incremental Learning on Imbalanced Data
von: Younis, Sohaib, et al.
Veröffentlicht: (2024)

Dual Space Training for GANs: A Pathway to Efficient and Creative Generative Models
von: Modrekiladze, Beka
Veröffentlicht: (2024)

Generative Data Imputation for Sparse Learner Performance Data Using Generative Adversarial Imputation Networks
von: Zhang, Liang, et al.
Veröffentlicht: (2025)

A Generative Deep Learning Approach for Crash Severity Modeling with Imbalanced Data
von: Chen, Junlan, et al.
Veröffentlicht: (2024)

Provable Benefit of Sign Descent: A Minimal Model Under Heavy-Tailed Class Imbalance
von: Yadav, Robin, et al.
Veröffentlicht: (2025)

Synthesizing Tabular Data Using Selectivity Enhanced Generative Adversarial Networks
von: Zhou, Youran, et al.
Veröffentlicht: (2025)

SEMRes-DDPM: Residual Network Based Diffusion Modelling Applied to Imbalanced Data
von: Zheng, Ming, et al.
Veröffentlicht: (2024)

Protect and Extend -- Using GANs for Synthetic Data Generation of Time-Series Medical Records
von: Ashrafi, Navid, et al.
Veröffentlicht: (2024)

Advancements in Generative AI: A Comprehensive Review of GANs, GPT, Autoencoders, Diffusion Model, and Transformers
von: Bengesi, Staphord, et al.
Veröffentlicht: (2023)

CasTGAN: Cascaded Generative Adversarial Network for Realistic Tabular Data Synthesis
von: Alshantti, Abdallah, et al.
Veröffentlicht: (2023)

Enhancing Stability in Training Conditional Generative Adversarial Networks via Selective Data Matching
von: Kong, Kyeongbo, et al.
Veröffentlicht: (2021)

Interpretable Models Capable of Handling Systematic Missingness in Imbalanced Classes and Heterogeneous Datasets
von: Ghosh, Sreejita, et al.
Veröffentlicht: (2022)

Meta-GCN: A Dynamically Weighted Loss Minimization Method for Dealing with the Data Imbalance in Graph Neural Networks
von: Mohammadizadeh, Mahdi, et al.
Veröffentlicht: (2024)

Bridging Policy and Real-World Dynamics: LLM-Augmented Rebalancing for Shared Micromobility Systems
von: Tan, Heng, et al.
Veröffentlicht: (2026)

Exponential capacity scaling of classical GANs compared to hybrid latent style-based quantum GANs
von: Liepelt, Milan, et al.
Veröffentlicht: (2026)

A Review of Machine Learning Techniques in Imbalanced Data and Future Trends
von: Jafarigol, Elaheh, et al.
Veröffentlicht: (2023)

On the MIA Vulnerability Gap Between Private GANs and Diffusion Models
von: Sebag, Ilana, et al.
Veröffentlicht: (2025)

SPI-GAN: Denoising Diffusion GANs with Straight-Path Interpolations
von: Jeon, Jinsung, et al.
Veröffentlicht: (2022)

OmniTabBench: Mapping the Empirical Frontiers of GBDTs, Neural Networks, and Foundation Models for Tabular Data at Scale
von: Jiang, Dihong, et al.
Veröffentlicht: (2026)

CausalPlayground: Addressing Data-Generation Requirements in Cutting-Edge Causality Research
von: Sauter, Andreas W M, et al.
Veröffentlicht: (2024)

BI-DCGAN: A Theoretically Grounded Bayesian Framework for Efficient and Diverse GANs
von: Valizadeh, Mahsa, et al.
Veröffentlicht: (2025)

MALLM-GAN: Multi-Agent Large Language Model as Generative Adversarial Network for Synthesizing Tabular Data
von: Ling, Yaobin, et al.
Veröffentlicht: (2024)

Evaluating Supervised Learning Models for Fraud Detection: A Comparative Study of Classical and Deep Architectures on Imbalanced Transaction Data
von: Wang, Chao, et al.
Veröffentlicht: (2025)

Causal-Aware Generative Adversarial Networks with Reinforcement Learning
von: Nguyen, Tu Anh Hoang, et al.
Veröffentlicht: (2025)

Generative Adversarial Networks for Imputing Sparse Learning Performance
von: Zhang, Liang, et al.
Veröffentlicht: (2024)

DISCO Balances the Scales: Adaptive Domain- and Difficulty-Aware Reinforcement Learning on Imbalanced Data
von: Zhou, Yuhang, et al.
Veröffentlicht: (2025)

An Efficient Sparse Kernel Generator for O(3)-Equivariant Deep Networks
von: Bharadwaj, Vivek, et al.
Veröffentlicht: (2025)