Copertina

Continual Contrastive Learning on Tabular Data with Out of Distribution

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ginanjar, Achmad, Li, Xue, Singh, Priyanka, Hua, Wen
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Representation Learning on Out of Distribution in Tabular Data
di: Ginanjar, Achmad, et al.
Pubblicazione: (2025)

Random Client Selection on Contrastive Federated Learning for Tabular Data
di: Ginanjar, Achmad, et al.
Pubblicazione: (2025)

Contrastive Federated Learning with Tabular Data Silos
di: Ginanjar, Achmad, et al.
Pubblicazione: (2024)

DNN-GDITD: Out-of-distribution detection via Deep Neural Network based Gaussian Descriptor for Imbalanced Tabular Data
di: Chudasama, Priyanka, et al.
Pubblicazione: (2024)

Attention versus Contrastive Learning of Tabular Data -- A Data-centric Benchmarking
di: Rabbani, Shourav B., et al.
Pubblicazione: (2024)

Continuous Diffusion for Mixed-Type Tabular Data
di: Mueller, Markus, et al.
Pubblicazione: (2023)

Out-of-Distribution Detection for Continual Learning: Design Principles and Benchmarking
di: Gupta, Srishti, et al.
Pubblicazione: (2025)

FairContrast: Enhancing Fairness through Contrastive learning and Customized Augmenting Methods on Tabular Data
di: Tayebi, Aida, et al.
Pubblicazione: (2025)

Unsupervised Contrastive Learning Using Out-Of-Distribution Data for Long-Tailed Dataset
di: Hoang, Cuong Manh, et al.
Pubblicazione: (2025)

Deep Clustering of Tabular Data by Weighted Gaussian Distribution Learning
di: Rabbani, Shourav B., et al.
Pubblicazione: (2023)

Tabular Data Contrastive Learning via Class-Conditioned and Feature-Correlation Based Augmentation
di: Cui, Wei, et al.
Pubblicazione: (2024)

Benchmarking Distribution Shift in Tabular Data with TableShift
di: Gardner, Josh, et al.
Pubblicazione: (2023)

Distribution Shift Aware Neural Tabular Learning
di: Ying, Wangyang, et al.
Pubblicazione: (2025)

Out-of-Distribution Learning with Human Feedback
di: Bai, Haoyue, et al.
Pubblicazione: (2024)

On Learning Representations for Tabular Data Distillation
di: Kang, Inwon, et al.
Pubblicazione: (2025)

CADet: Fully Self-Supervised Out-Of-Distribution Detection With Contrastive Learning
di: Guille-Escuret, Charles, et al.
Pubblicazione: (2022)

Understanding the Robustness of Multi-modal Contrastive Learning to Distribution Shift
di: Xue, Yihao, et al.
Pubblicazione: (2023)

AnoGAN for Tabular Data: A Novel Approach to Anomaly Detection
di: Singh, Aditya, et al.
Pubblicazione: (2024)

How Well Does Your Tabular Generator Learn the Structure of Tabular Data?
di: Jiang, Xiangjian, et al.
Pubblicazione: (2025)

Contrastive Learning-Based privacy metrics in Tabular Synthetic Datasets
di: Palacios, Milton Nicolás Plasencia, et al.
Pubblicazione: (2025)

On the Out-of-Distribution Generalization of Self-Supervised Learning
di: Qiang, Wenwen, et al.
Pubblicazione: (2025)

Contextual Learning for Anomaly Detection in Tabular Data
di: King, Spencer, et al.
Pubblicazione: (2025)

Algorithmic Recourse of In-Context Learning for Tabular Data
di: Dong, Wenshuo, et al.
Pubblicazione: (2026)

EnzyCLIP: A Cross-Attention Dual Encoder Framework with Contrastive Learning for Predicting Enzyme Kinetic Constants
di: Khan, Anas Aziz, et al.
Pubblicazione: (2025)

TabDeco: A Comprehensive Contrastive Framework for Decoupled Representations in Tabular Data
di: Chen, Suiyao, et al.
Pubblicazione: (2024)

Learning with Mixture of Prototypes for Out-of-Distribution Detection
di: Lu, Haodong, et al.
Pubblicazione: (2024)

Continual Multimodal Contrastive Learning
di: Liu, Xiaohao, et al.
Pubblicazione: (2025)

Automated Machine Learning for Unsupervised Tabular Tasks
di: Singh, Prabhant, et al.
Pubblicazione: (2025)

Temp-SCONE: A Novel Out-of-Distribution Detection and Domain Generalization Framework for Wild Data with Temporal Shift
di: Naiknaware, Aditi, et al.
Pubblicazione: (2025)

Bridging Streaming Continual Learning via In-Context Large Tabular Models
di: Lourenço, Afonso, et al.
Pubblicazione: (2025)

A Survey on Self-Supervised Learning for Non-Sequential Tabular Data
di: Wang, Wei-Yao, et al.
Pubblicazione: (2024)

How Does Unlabeled Data Provably Help Out-of-Distribution Detection?
di: Du, Xuefeng, et al.
Pubblicazione: (2024)

Unveiling the Role of Data Uncertainty in Tabular Deep Learning
di: Kartashev, Nikolay, et al.
Pubblicazione: (2025)

Representation Learning for Tabular Data: A Comprehensive Survey
di: Jiang, Jun-Peng, et al.
Pubblicazione: (2025)

Probabilistic Trust Intervals for Out of Distribution Detection
di: Singh, Gagandeep, et al.
Pubblicazione: (2021)

Coverage-Guaranteed Prediction Sets for Out-of-Distribution Data
di: Zou, Xin, et al.
Pubblicazione: (2024)

Histogram-Based Federated XGBoost using Minimal Variance Sampling for Federated Tabular Data
di: Lindskog, William, et al.
Pubblicazione: (2024)

Data Plagiarism Index: Characterizing the Privacy Risk of Data-Copying in Tabular Generative Models
di: Ward, Joshua, et al.
Pubblicazione: (2024)

Adaptive Token-Weighted Differential Privacy for LLMs: Not All Tokens Require Equal Protection
di: Yu, Manjiang, et al.
Pubblicazione: (2025)

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