FairTabGen: High-Fidelity and Fair Synthetic Health Data Generation from Limited Samples

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Nagesh, Nitish, Shakibhamedan, Salar, Bagheri, Mahdi, Wang, Ziyu, TaheriNejad, Nima, Jantsch, Axel, Rahmani, Amir M.
Format:	Preprint
Publié:	2025
Sujets:	Machine Learning Artificial Intelligence
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2508.11810