Copertina

Synthesizing Tabular Data Using Selectivity Enhanced Generative Adversarial Networks

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhou, Youran, Qi, Jianzhong
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Towards Synthesizing High-Dimensional Tabular Data with Limited Samples
di: Li, Zuqing, et al.
Pubblicazione: (2025)

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

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

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

MissHDD: Hybrid Deterministic Diffusion for Hetrogeneous Incomplete Data Imputation
di: Zhou, Youran, et al.
Pubblicazione: (2025)

Crafting Imperceptible On-Manifold Adversarial Attacks for Tabular Data
di: He, Zhipeng, et al.
Pubblicazione: (2025)

Automated Model Selection for Tabular Data
di: Amballa, Avinash, et al.
Pubblicazione: (2024)

Review for Handling Missing Data with special missing mechanism
di: Zhou, Youran, et al.
Pubblicazione: (2024)

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

TabAttackBench: A Benchmark for Adversarial Attacks on Tabular Data
di: He, Zhipeng, et al.
Pubblicazione: (2025)

TabGen-ICL: Residual-Aware In-Context Example Selection for Tabular Data Generation
di: Fang, Liancheng, et al.
Pubblicazione: (2025)

Automatic Demonstration Selection for LLM-based Tabular Data Classification
di: Han, Shuchu, et al.
Pubblicazione: (2025)

Interpretable Graph Neural Networks for Tabular Data
di: Alkhatib, Amr, et al.
Pubblicazione: (2023)

Tabular Data Generation using Binary Diffusion
di: Kinakh, Vitaliy, et al.
Pubblicazione: (2024)

A Note on Statistically Accurate Tabular Data Generation Using Large Language Models
di: Sidorenko, Andrey
Pubblicazione: (2025)

Investigating Imperceptibility of Adversarial Attacks on Tabular Data: An Empirical Analysis
di: He, Zhipeng, et al.
Pubblicazione: (2024)

GEM-T: Generative Tabular Data via Fitting Moments
di: Li, Miao, et al.
Pubblicazione: (2025)

Diffusion Transformers for Tabular Data Time Series Generation
di: Garuti, Fabrizio, et al.
Pubblicazione: (2025)

Generating Realistic Tabular Data with Large Language Models
di: Nguyen, Dang, et al.
Pubblicazione: (2024)

Unsupervised Anomaly Detection for Tabular Data Using Noise Evaluation
di: Dai, Wei, et al.
Pubblicazione: (2024)

TabularQGAN: A Quantum Generative Model for Tabular Data
di: Bhardwaj, Pallavi, et al.
Pubblicazione: (2025)

A Model of Causal Explanation on Neural Networks for Tabular Data
di: Isozaki, Takashi, et al.
Pubblicazione: (2025)

Fully Test-time Adaptation for Tabular Data
di: Zhou, Zhi, et al.
Pubblicazione: (2024)

A Benchmarking Study of Kolmogorov-Arnold Networks on Tabular Data
di: Poeta, Eleonora, et al.
Pubblicazione: (2024)

Enhancing Adversarial Transferability via Information Bottleneck Constraints
di: Qi, Biqing, et al.
Pubblicazione: (2024)

TAGAL: Tabular Data Generation using Agentic LLM Methods
di: Ronval, Benoît, et al.
Pubblicazione: (2025)

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

TabKANet: Tabular Data Modeling with Kolmogorov-Arnold Network and Transformer
di: Gao, Weihao, et al.
Pubblicazione: (2024)

Graph Neural Network contextual embedding for Deep Learning on Tabular Data
di: Villaizán-Vallelado, Mario, et al.
Pubblicazione: (2023)

Universal Embeddings of Tabular Data
di: Franz, Astrid, et al.
Pubblicazione: (2025)

Anomaly Detection of Tabular Data Using LLMs
di: Li, Aodong, et al.
Pubblicazione: (2024)

Diffusion and Flow Matching Models for Tabular Data: A Survey
di: Li, Zhong, et al.
Pubblicazione: (2025)

FASTGEN: Fast and Cost-Effective Synthetic Tabular Data Generation with LLMs
di: Nguyen, Anh, et al.
Pubblicazione: (2025)

A Sobering Look at Tabular Data Generation via Probabilistic Circuits
di: Scassola, Davide, et al.
Pubblicazione: (2026)

Zero-Shot Machine Unlearning with Proxy Adversarial Data Generation
di: Chen, Huiqiang, et al.
Pubblicazione: (2025)

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

Pre-Hoc Predictions in AutoML: Leveraging LLMs to Enhance Model Selection and Benchmarking for Tabular datasets
di: Belkhiter, Yannis, et al.
Pubblicazione: (2025)

Challenges and Limitations of Generative AI in Synthesizing Wearable Sensor Data
di: Di Martino, Flavio, et al.
Pubblicazione: (2025)

Diffusion-Driven Synthetic Tabular Data Generation for Enhanced DoS/DDoS Attack Classification
di: B, Aravind, et al.
Pubblicazione: (2026)

Quantum-Enhanced Generative Adversarial Networks: Comparative Analysis of Classical and Hybrid Quantum-Classical Generative Adversarial Networks
di: Goh, Kun Ming
Pubblicazione: (2025)