Copertina

Calibrating Tabular Anomaly Detection via Optimal Transport

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ye, Hangting, Zhao, He, Fan, Wei, Song, Xiaozhuang, Guo, Dandan, Chang, Yi, Zha, Hongyuan
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

PTaRL: Prototype-based Tabular Representation Learning via Space Calibration
di: Ye, Hangting, et al.
Pubblicazione: (2024)

Deep Tabular Representation Corrector
di: Ye, Hangting, et al.
Pubblicazione: (2026)

LLM as an Algorithmist: Enhancing Anomaly Detectors via Programmatic Synthesis
di: Ye, Hangting, et al.
Pubblicazione: (2025)

LLM Meeting Decision Trees on Tabular Data
di: Ye, Hangting, et al.
Pubblicazione: (2025)

LLM Empowered Prototype Learning for Zero and Few-Shot Tasks on Tabular Data
di: Wang, Peng, et al.
Pubblicazione: (2025)

Balancing Two Classifiers via A Simplex ETF Structure for Model Calibration
di: Ni, Jiani, et al.
Pubblicazione: (2025)

MedGNN: Towards Multi-resolution Spatiotemporal Graph Learning for Medical Time Series Classification
di: Fan, Wei, et al.
Pubblicazione: (2025)

Investigating Mask-aware Prototype Learning for Tabular Anomaly Detection
di: Lu, Ruiying, et al.
Pubblicazione: (2025)

Safeguarding LLM Fine-tuning via Push-Pull Distributional Alignment
di: Wang, Haozhong, et al.
Pubblicazione: (2026)

Unsupervised Anomaly Detection for Tabular Data Using Noise Evaluation
di: Dai, Wei, et al.
Pubblicazione: (2024)

ICLAD: In-Context Learning for Unified Tabular Anomaly Detection Across Supervision Regimes
di: Wei, Jack Yi, et al.
Pubblicazione: (2026)

Latte: Transfering LLMs` Latent-level Knowledge for Few-shot Tabular Learning
di: Shi, Ruxue, et al.
Pubblicazione: (2025)

Contextual Learning for Anomaly Detection in Tabular Data
di: King, Spencer, et al.
Pubblicazione: (2025)

Deep Neural Network Calibration by Reducing Classifier Shift with Stochastic Masking
di: Ni, Jiani, et al.
Pubblicazione: (2025)

A Variational Autoencoder for Neural Temporal Point Processes with Dynamic Latent Graphs
di: Yang, Sikun, et al.
Pubblicazione: (2023)

Deep Frequency Derivative Learning for Non-stationary Time Series Forecasting
di: Fan, Wei, et al.
Pubblicazione: (2024)

Few-Shot Learning for Dynamic Operations of Automated Electric Taxi Fleets under Evolving Charging Infrastructure: A Meta-Deep Reinforcement Learning Approach
di: Li, Xiaozhuang, et al.
Pubblicazione: (2026)

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

Anomaly Detection of Tabular Data Using LLMs
di: Li, Aodong, et al.
Pubblicazione: (2024)

Normality Calibration in Semi-supervised Graph Anomaly Detection
di: Zeng, Guolei, et al.
Pubblicazione: (2025)

Towards One-for-All Anomaly Detection for Tabular Data
di: Li, Shiyuan, et al.
Pubblicazione: (2026)

Retrieval Augmented Deep Anomaly Detection for Tabular Data
di: Thimonier, Hugo, et al.
Pubblicazione: (2024)

Disentangling Tabular Data Towards Better One-Class Anomaly Detection
di: Ye, Jianan, et al.
Pubblicazione: (2024)

Transformers for Tabular Data: A Training Perspective of Self-Attention via Optimal Transport
di: Quadrio, Alessandro, et al.
Pubblicazione: (2025)

When Normality Shifts: Risk-Aware Test-Time Adaptation for Unsupervised Tabular Anomaly Detection
di: Huang, Wei, et al.
Pubblicazione: (2026)

FedLWS: Federated Learning with Adaptive Layer-wise Weight Shrinking
di: Shi, Changlong, et al.
Pubblicazione: (2025)

Unsupervised Anomaly Detection through Mass Repulsing Optimal Transport
di: Montesuma, Eduardo Fernandes, et al.
Pubblicazione: (2025)

APLOT: Robust Reward Modeling via Adaptive Preference Learning with Optimal Transport
di: Li, Zhuo, et al.
Pubblicazione: (2025)

Beyond Individual Input for Deep Anomaly Detection on Tabular Data
di: Thimonier, Hugo, et al.
Pubblicazione: (2023)

Diffusion-Scheduled Denoising Autoencoders for Anomaly Detection in Tabular Data
di: Sattarov, Timur, et al.
Pubblicazione: (2025)

Post-Hoc Calibrated Anomaly Detection
di: Gloumeau, Sean
Pubblicazione: (2025)

AnoGAN for Tabular Data: A Novel Approach to Anomaly Detection
di: Singh, Aditya, et al.
Pubblicazione: (2024)

UTOPIA: Unlearnable Tabular Data via Decoupled Shortcut Embedding
di: He, Jiaming, et al.
Pubblicazione: (2026)

ReTabAD: A Benchmark for Restoring Semantic Context in Tabular Anomaly Detection
di: Yoon, Sanghyu, et al.
Pubblicazione: (2025)

FedAWA: Adaptive Optimization of Aggregation Weights in Federated Learning Using Client Vectors
di: Shi, Changlong, et al.
Pubblicazione: (2025)

Kurtosis-Guided Denoising Score Matching for Tabular Anomaly Detection
di: Livernoche, Victor, et al.
Pubblicazione: (2026)

Fast T2T: Optimization Consistency Speeds Up Diffusion-Based Training-to-Testing Solving for Combinatorial Optimization
di: Li, Yang, et al.
Pubblicazione: (2025)

Detecting OOD Samples via Optimal Transport Scoring Function
di: Gao, Heng, et al.
Pubblicazione: (2025)

MSSR: Memory-Aware Adaptive Replay for Continual LLM Fine-Tuning
di: Lu, Yiyang, et al.
Pubblicazione: (2026)

Test-Time Adaptation for Anomaly Segmentation via Topology-Aware Optimal Transport Chaining
di: Zia, Ali, et al.
Pubblicazione: (2026)