Buchumschlag

Flow Matching for Tabular Data Synthesis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nasution, Bahrul Ilmi, Eijkelboom, Floor, Elliot, Mark, Allmendinger, Richard, Naesseth, Christian A.
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

Bayesian Generative Adversarial Networks via Gaussian Approximation for Tabular Data Synthesis
von: Nasution, Bahrul Ilmi, et al.
Veröffentlicht: (2026)

Multi-objective evolutionary GAN for tabular data synthesis
von: Ran, Nian, et al.
Veröffentlicht: (2024)

MIRACL: A Diverse Meta-Reinforcement Learning for Multi-Objective Multi-Echelon Combinatorial Supply Chain Optimisation
von: Rachman, Rifny, et al.
Veröffentlicht: (2026)

Exponential Family Variational Flow Matching for Tabular Data Generation
von: Guzmán-Cordero, Andrés, et al.
Veröffentlicht: (2025)

Variational Flow Matching for Graph Generation
von: Eijkelboom, Floor, et al.
Veröffentlicht: (2024)

Controlled Generation with Equivariant Variational Flow Matching
von: Eijkelboom, Floor, et al.
Veröffentlicht: (2025)

Pawsterior: Variational Flow Matching for Structured Simulation-Based Inference
von: Carrasco-Pollo, Jorge, et al.
Veröffentlicht: (2026)

Follow the Mean: Reference-Guided Flow Matching
von: Curvo, Pedro M. P., et al.
Veröffentlicht: (2026)

SDE Matching: Scalable and Simulation-Free Training of Latent Stochastic Differential Equations
von: Bartosh, Grigory, et al.
Veröffentlicht: (2025)

Riemannian Variational Flow Matching for Material and Protein Design
von: Zaghen, Olga, et al.
Veröffentlicht: (2025)

E(n) Equivariant Message Passing Cellular Networks
von: Kovač, Veljko, et al.
Veröffentlicht: (2024)

Cascaded Flow Matching for Heterogeneous Tabular Data with Mixed-Type Features
von: Mueller, Markus, et al.
Veröffentlicht: (2026)

Neural Flow Diffusion Models: Learnable Forward Process for Improved Diffusion Modelling
von: Bartosh, Grigory, et al.
Veröffentlicht: (2024)

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

Generating Tabular Data Using Heterogeneous Sequential Feature Forest Flow Matching
von: Akazan, Ange-Clément, et al.
Veröffentlicht: (2024)

Categorical Flow Maps
von: Roos, Daan, et al.
Veröffentlicht: (2026)

A Geometric Approach to Optimal Experimental Design
von: Kerrigan, Gavin, et al.
Veröffentlicht: (2025)

Neural Diffusion Models
von: Bartosh, Grigory, et al.
Veröffentlicht: (2023)

Purrception: Variational Flow Matching for Vector-Quantized Image Generation
von: Matişan, Răzvan-Andrei, et al.
Veröffentlicht: (2025)

Joint Model and Data Sparsification via the Marginal Likelihood
von: Timans, Alexander, et al.
Veröffentlicht: (2026)

Elements of Sequential Monte Carlo
von: Naesseth, Christian A., et al.
Veröffentlicht: (2019)

On Continuous Monitoring of Risk Violations under Unknown Shift
von: Timans, Alexander, et al.
Veröffentlicht: (2025)

Counterfactual Credit Guided Bayesian Optimization
von: Wei, Qiyu, et al.
Veröffentlicht: (2025)

E-Valuating Classifier Two-Sample Tests
von: Pandeva, Teodora, et al.
Veröffentlicht: (2022)

Model-agnostic variable importance for predictive uncertainty: an entropy-based approach
von: Wood, Danny, et al.
Veröffentlicht: (2023)

Automated Flow Pattern Classification in Multi-phase Systems Using AI and Capacitance Sensing Techniques
von: Ran, Nian, et al.
Veröffentlicht: (2025)

Equivariant Neural Diffusion for Molecule Generation
von: Cornet, François, et al.
Veröffentlicht: (2025)

VISA: Variational Inference with Sequential Sample-Average Approximations
von: Zimmermann, Heiko, et al.
Veröffentlicht: (2024)

Towards Latent Diffusion Suitable For Text
von: Midavaine, Nesta, et al.
Veröffentlicht: (2026)

RecTable: Fast Modeling Tabular Data with Rectified Flow
von: Fuchi, Masane, et al.
Veröffentlicht: (2025)

Systematic Assessment of Tabular Data Synthesis
von: Du, Yuntao, et al.
Veröffentlicht: (2024)

Pre-trained Tabular Foundation Models as Versatile Summary Networks for Neural Posterior Estimation
von: Pickens, Elliot, et al.
Veröffentlicht: (2026)

Monitoring Risks in Test-Time Adaptation
von: Schirmer, Mona, et al.
Veröffentlicht: (2025)

Balanced Mixed-Type Tabular Data Synthesis with Diffusion Models
von: Yang, Zeyu, et al.
Veröffentlicht: (2024)

TabuLa: Harnessing Language Models for Tabular Data Synthesis
von: Zhao, Zilong, et al.
Veröffentlicht: (2023)

Diffusion-nested Auto-Regressive Synthesis of Heterogeneous Tabular Data
von: Zhang, Hengrui, et al.
Veröffentlicht: (2024)

Spatial-Aware Decision-Making with Ring Attractors in Reinforcement Learning Systems
von: Saura, Marcos Negre, et al.
Veröffentlicht: (2024)

Flow Matching for Count Data
von: Wei, Ganchao, et al.
Veröffentlicht: (2026)

ReTabSyn: Realistic Tabular Data Synthesis via Reinforcement Learning
von: Lin, Xiaofeng, et al.
Veröffentlicht: (2026)

Mixed-Type Tabular Data Synthesis with Score-based Diffusion in Latent Space
von: Zhang, Hengrui, et al.
Veröffentlicht: (2023)