Buchumschlag

Structural Equation-VAE: Disentangled Latent Representations for Tabular Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Ruiyu, Zhao, Ce, Zhao, Xin, Nie, Lin, Lam, Wai-Fung
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Synthetic Tabular Data Detection In the Wild
von: Kindji, G. Charbel N., et al.
Veröffentlicht: (2025)

Datum-wise Transformer for Synthetic Tabular Data Detection in the Wild
von: Kindji, G. Charbel N., et al.
Veröffentlicht: (2025)

SiGNN: A Spike-induced Graph Neural Network for Dynamic Graph Representation Learning
von: Chen, Dong, et al.
Veröffentlicht: (2024)

LLM-FE: Automated Feature Engineering for Tabular Data with LLMs as Evolutionary Optimizers
von: Abhyankar, Nikhil, et al.
Veröffentlicht: (2025)

Evaluating Open-Source Sparse Autoencoders on Disentangling Factual Knowledge in GPT-2 Small
von: Chaudhary, Maheep, et al.
Veröffentlicht: (2024)

When Does Structure Matter in Continual Learning? Dimensionality Controls When Modularity Shapes Representational Geometry
von: Korte, Kathrin, et al.
Veröffentlicht: (2026)

Learning from Emergence: A Study on Proactively Inhibiting the Monosemantic Neurons of Artificial Neural Networks
von: Wang, Jiachuan, et al.
Veröffentlicht: (2023)

Instance Generation for Meta-Black-Box Optimization through Latent Space Reverse Engineering
von: Wang, Chen, et al.
Veröffentlicht: (2025)

HEAS: Hierarchical Evolutionary Agent-Based Simulation Framework for Multi-Objective Policy Search
von: Zhang, Ruiyu, et al.
Veröffentlicht: (2025)

Equation discovery framework EPDE: Towards a better equation discovery
von: Maslyaev, Mikhail, et al.
Veröffentlicht: (2024)

SemlaFlow -- Efficient 3D Molecular Generation with Latent Attention and Equivariant Flow Matching
von: Irwin, Ross, et al.
Veröffentlicht: (2024)

VecLSTM: Trajectory Data Processing and Management for Activity Recognition through LSTM Vectorization and Database Integration
von: Monir, Solmaz Seyed, et al.
Veröffentlicht: (2024)

Invariant Representations with Stochastically Quantized Neural Networks
von: Cerrato, Mattia, et al.
Veröffentlicht: (2022)

Implicit Regularization via Spectral Neural Networks and Non-linear Matrix Sensing
von: Chu, Hong T. M., et al.
Veröffentlicht: (2024)

High Performance Im2win and Direct Convolutions using Three Tensor Layouts on SIMD Architectures
von: Fu, Xiang, et al.
Veröffentlicht: (2024)

Enhancing Neural Network Representations with Prior Knowledge-Based Normalization
von: Faye, Bilal, et al.
Veröffentlicht: (2024)

Enhancing Graph Representation Learning with Attention-Driven Spiking Neural Networks
von: Yin, Huifeng, et al.
Veröffentlicht: (2024)

An Efficient Reconstructed Differential Evolution Variant by Some of the Current State-of-the-art Strategies for Solving Single Objective Bound Constrained Problems
von: Tao, Sichen, et al.
Veröffentlicht: (2024)

Spiking Point Transformer for Point Cloud Classification
von: Wu, Peixi, et al.
Veröffentlicht: (2025)

Adapting Rule Representation With Four-Parameter Beta Distribution for Learning Classifier Systems
von: Shiraishi, Hiroki, et al.
Veröffentlicht: (2025)

Measuring the Measures: Discriminative Capacity of Representational Similarity Metrics Across Model Families
von: Wu, Jialin, et al.
Veröffentlicht: (2025)

Prospective Compression in Human Abstraction Learning
von: Cano, Leonardo Hernandez, et al.
Veröffentlicht: (2026)

CoEvo: Continual Evolution of Symbolic Solutions Using Large Language Models
von: Guo, Ping, et al.
Veröffentlicht: (2024)

Recurrent Neural Networks Learn to Store and Generate Sequences using Non-Linear Representations
von: Csordás, Róbert, et al.
Veröffentlicht: (2024)

STARS: Spike Tail-Aware Relational Synthesis for ANN-to-SNN Data-Free Knowledge Distillation
von: Ye, Shuhan, et al.
Veröffentlicht: (2026)

Large Language Model as Meta-Surrogate for Data-Driven Many-Task Optimization: A Proof-of-Principle Study
von: Zhang, Xian-Rong, et al.
Veröffentlicht: (2025)

FedProK: Trustworthy Federated Class-Incremental Learning via Prototypical Feature Knowledge Transfer
von: Gao, Xin, et al.
Veröffentlicht: (2024)

Structure Development in List-Sorting Transformers
von: Urdshals, Einar, et al.
Veröffentlicht: (2025)

Unveiling the Potential of Spiking Dynamics in Graph Representation Learning through Spatial-Temporal Normalization and Coding Strategies
von: Xu, Mingkun, et al.
Veröffentlicht: (2024)

Learning to Reduce Search Space for Generalizable Neural Routing Solver
von: Zhou, Changliang, et al.
Veröffentlicht: (2025)

Structure of Artificial Neural Networks -- Empirical Investigations
von: Stier, Julian
Veröffentlicht: (2024)

Similarity-based context aware continual learning for spiking neural networks
von: Han, Bing, et al.
Veröffentlicht: (2024)

Multi-Objective Quality-Diversity for Crystal Structure Prediction
von: Janmohamed, Hannah, et al.
Veröffentlicht: (2024)

Structure as Computation: Developmental Generation of Minimal Neural Circuits
von: Zhou, Duan
Veröffentlicht: (2026)

Benchmarking Fairness in Spiking Neural Networks: Data Bias, Spurious Features, and Hardware Effects
von: He, Hudi, et al.
Veröffentlicht: (2026)

The Robustness of Spiking Neural Networks in Communication and its Application towards Network Efficiency in Federated Learning
von: Nguyen, Manh V., et al.
Veröffentlicht: (2024)

Provable Benefits of Complex Parameterizations for Structured State Space Models
von: Ran-Milo, Yuval, et al.
Veröffentlicht: (2024)

Hebbian Learning based Orthogonal Projection for Continual Learning of Spiking Neural Networks
von: Xiao, Mingqing, et al.
Veröffentlicht: (2024)

Online Pseudo-Zeroth-Order Training of Neuromorphic Spiking Neural Networks
von: Xiao, Mingqing, et al.
Veröffentlicht: (2024)

Task-free Adaptive Meta Black-box Optimization
von: Wang, Chao, et al.
Veröffentlicht: (2026)