Copertina

Hybrid Autoencoders for Tabular Data: Leveraging Model-Based Augmentation in Low-Label Settings

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Naor, Erel, Lindenbaum, Ofir
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

Uncovering a Winning Lottery Ticket with Continuously Relaxed Bernoulli Gates
di: Tsayag, Itamar, et al.
Pubblicazione: (2026)

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

Gradient Free Deep Reinforcement Learning With TabPFN
di: Schiff, David, et al.
Pubblicazione: (2025)

TransformLLM: Adapting Large Language Models via LLM-Transformed Reading Comprehension Text
di: Arbel, Iftach, et al.
Pubblicazione: (2024)

TempoControl: Temporal Attention Guidance for Text-to-Video Models
di: Schiber, Shira, et al.
Pubblicazione: (2025)

No Prior, No Leakage: Revisiting Reconstruction Attacks in Trained Neural Networks
di: Refael, Yehonatan, et al.
Pubblicazione: (2025)

StructSynth: Leveraging LLMs for Structure-Aware Tabular Data Synthesis in Low-Data Regimes
di: Liu, Siyi, et al.
Pubblicazione: (2025)

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

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

Anomaly Detection with Variance Stabilized Density Estimation
di: Rozner, Amit, et al.
Pubblicazione: (2023)

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

Hybrid Deep Convolutional Neural Networks Combined with Autoencoders And Augmented Data To Predict The Look-Up Table 2006
di: Djeddou, Messaoud, et al.
Pubblicazione: (2024)

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

Unveiling Multiple Descents in Unsupervised Autoencoders
di: Rahimi, Kobi, et al.
Pubblicazione: (2024)

Guided Model Merging for Hybrid Data Learning: Leveraging Centralized Data to Refine Decentralized Models
di: Zhu, Junyi, et al.
Pubblicazione: (2025)

Evaluating the Effectiveness of Data Augmentation for Emotion Classification in Low-Resource Settings
di: Arora, Aashish, et al.
Pubblicazione: (2024)

Leveraging Data Symmetries to Select an Optimal Subset of Training Data under Label Noise
di: Shubham, Kumar, et al.
Pubblicazione: (2026)

TabMDA: Tabular Manifold Data Augmentation for Any Classifier using Transformers with In-context Subsetting
di: Margeloiu, Andrei, et al.
Pubblicazione: (2024)

Tabular Data Augmentation for Machine Learning: Progress and Prospects of Embracing Generative AI
di: Cui, Lingxi, et al.
Pubblicazione: (2024)

Comparing Task-Agnostic Embedding Models for Tabular Data
di: Hoppe, Frederik, et al.
Pubblicazione: (2025)

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

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

Hybrid Autoencoder-Based Framework for Early Fault Detection in Wind Turbines
di: Nair, Rekha R, et al.
Pubblicazione: (2025)

STRIDE: Subset-Free Functional Decomposition for XAI in Tabular Settings
di: Ko, Chaeyun
Pubblicazione: (2025)

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

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

Masked Graph Autoencoders with Contrastive Augmentation for Spatially Resolved Transcriptomics Data
di: Fang, Donghai, et al.
Pubblicazione: (2024)

AdapTable: Test-Time Adaptation for Tabular Data via Shift-Aware Uncertainty Calibrator and Label Distribution Handler
di: Kim, Changhun, et al.
Pubblicazione: (2024)

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

Active Tabular Augmentation via Policy-Guided Diffusion Inpainting
di: Zhang, Zheyu, et al.
Pubblicazione: (2026)

Limited Reference, Reliable Generation: A Two-Component Framework for Tabular Data Generation in Low-Data Regimes
di: Jiang, Mingxuan, et al.
Pubblicazione: (2025)

Multi-Layer Attention-Based Explainability via Transformers for Tabular Data
di: Gavito, Andrea Treviño, et al.
Pubblicazione: (2023)

In-context Learning of Evolving Data Streams with Tabular Foundational Models
di: Lourenço, Afonso, et al.
Pubblicazione: (2025)

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

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

TabDPT: Scaling Tabular Foundation Models on Real Data
di: Ma, Junwei, et al.
Pubblicazione: (2024)

A Data-Centric Perspective on Evaluating Machine Learning Models for Tabular Data
di: Tschalzev, Andrej, et al.
Pubblicazione: (2024)

BikeVAE-GNN: A Variational Autoencoder-Augmented Hybrid Graph Neural Network for Sparse Bicycle Volume Estimation
di: Gupta, Mohit, et al.
Pubblicazione: (2025)

Deep Feature Embedding for Tabular Data
di: Wu, Yuqian, et al.
Pubblicazione: (2024)

Mitigating Label Shift in Tabular In-Context Learning via Test-Time Posterior Adjustment
di: Lee, Seunghan
Pubblicazione: (2026)