Buchumschlag

X2Graph for Cancer Subtyping Prediction on Biological Tabular Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bui, Tu, Suliman, Mohamed, Haldar, Aparajita, Amer, Mohammed, Georgescu, Serban
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

Scalable and Loosely-Coupled Multimodal Deep Learning for Breast Cancer Subtyping
von: Amer, Mohammed, et al.
Veröffentlicht: (2025)

A Closer Look at Multimodal Representation Collapse
von: Chaudhuri, Abhra, et al.
Veröffentlicht: (2025)

D3-GNN: Dynamic Distributed Dataflow for Streaming Graph Neural Networks
von: Guliyev, Rustam, et al.
Veröffentlicht: (2024)

Learning Conditional Invariances through Non-Commutativity
von: Chaudhuri, Abhra, et al.
Veröffentlicht: (2024)

Multi-Omics Analysis for Cancer Subtype Inference via Unrolling Graph Smoothness Priors
von: Lu, Jielong, et al.
Veröffentlicht: (2025)

A Multimodal Graph Neural Network Framework of Cancer Molecular Subtype Classification
von: Li, Bingjun, et al.
Veröffentlicht: (2023)

Interpretable Graph Neural Networks for Heterogeneous Tabular Data
von: Alkhatib, Amr, et al.
Veröffentlicht: (2024)

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

Privacy-Preserving Fair Synthetic Tabular Data
von: Sarmin, Fatima J., et al.
Veröffentlicht: (2025)

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

Data Presentation Over Architecture: Resampling Strategies for Credit Risk Prediction with Tabular Foundation Models
von: Tanna, Aditya, et al.
Veröffentlicht: (2026)

Graph Neural Machine: A New Model for Learning with Tabular Data
von: Nikolentzos, Giannis, et al.
Veröffentlicht: (2024)

JoLT: Joint Probabilistic Predictions on Tabular Data Using LLMs
von: Shysheya, Aliaksandra, et al.
Veröffentlicht: (2025)

Distilling Tabular Foundation Models for Structured Health Data
von: Tanna, Aditya, et al.
Veröffentlicht: (2026)

TabText: Language-Based Representations of Tabular Health Data for Predictive Modelling
von: Carballo, Kimberly Villalobos, et al.
Veröffentlicht: (2022)

Privacy-Preserving Tabular Synthetic Data Generation Using TabularARGN
von: Sidorenko, Andrey, et al.
Veröffentlicht: (2025)

Unmasking Trees for Tabular Data
von: McCarter, Calvin
Veröffentlicht: (2024)

Enhancing Tabular Data Optimization with a Flexible Graph-based Reinforced Exploration Strategy
von: Huang, Xiaohan, et al.
Veröffentlicht: (2024)

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

Can Graphs Improve Tabular Foundation Models?
von: Le, Franck, et al.
Veröffentlicht: (2025)

Boosting Predictive Performance on Tabular Data through Data Augmentation with Latent-Space Flow-Based Diffusion
von: Ihsan, Md. Tawfique, et al.
Veröffentlicht: (2025)

Valid Feature-Level Inference for Tabular Foundation Models via the Conditional Randomization Test
von: Salem, Mohamed
Veröffentlicht: (2026)

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

Multitask-Informed Prior for In-Context Learning on Tabular Data: Application to Steel Property Prediction
von: Sinodinos, Dimitrios, et al.
Veröffentlicht: (2026)

Hierarchical Conditional Tabular GAN for Multi-Tabular Synthetic Data Generation
von: Ågren, Wilhelm, et al.
Veröffentlicht: (2024)

Learning Causal Orderings for In-Context Tabular Prediction
von: Xu, Sascha, et al.
Veröffentlicht: (2026)

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

Flow Matching for Tabular Data Synthesis
von: Nasution, Bahrul Ilmi, et al.
Veröffentlicht: (2025)

Interpretable Mesomorphic Networks for Tabular Data
von: Kadra, Arlind, et al.
Veröffentlicht: (2023)

Structured Evaluation of Synthetic Tabular Data
von: Yang, Scott Cheng-Hsin, et al.
Veröffentlicht: (2024)

Interpretable Deep Clustering for Tabular Data
von: Svirsky, Jonathan, et al.
Veröffentlicht: (2023)

Causality for Tabular Data Synthesis: A High-Order Structure Causal Benchmark Framework
von: Tu, Ruibo, et al.
Veröffentlicht: (2024)

Exploring Fine-Tuning for Tabular Foundation Models
von: Tanna, Aditya, et al.
Veröffentlicht: (2026)

Turning Tabular Foundation Models into Graph Foundation Models
von: Eremeev, Dmitry, et al.
Veröffentlicht: (2025)

Tabular Foundation Models are Strong Graph Anomaly Detectors
von: Liu, Yunhui, et al.
Veröffentlicht: (2026)

TabReason: A Reinforcement Learning-Enhanced Reasoning LLM for Explainable Tabular Data Prediction
von: Xu, Tommy, et al.
Veröffentlicht: (2025)

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

InterpreTabNet: Distilling Predictive Signals from Tabular Data by Salient Feature Interpretation
von: Si, Jacob, et al.
Veröffentlicht: (2024)

Debugging Tabular Log as Dynamic Graphs
von: Liang, Chumeng, et al.
Veröffentlicht: (2025)

Conditional Multidimensional Scaling with Incomplete Conditioning Data
von: Bui, Anh Tuan
Veröffentlicht: (2025)