Buchumschlag

Closing the gap on tabular data with Fourier and Implicit Categorical Features

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dragoi, Marius, Gogianu, Florin, Burceanu, Elena
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond Pass@k: Breadth-Depth Metrics for Reasoning Boundaries
von: Dragoi, Marius, et al.
Veröffentlicht: (2025)

JumpLoRA: Sparse Adapters for Continual Learning in Large Language Models
von: Dragomir, Alexandra, et al.
Veröffentlicht: (2026)

Revisiting Adam for Streaming Reinforcement Learning
von: Gogianu, Florin, et al.
Veröffentlicht: (2026)

C-ing Clearly: Enhanced Binary Code Explanations using C code
von: Poncu, Teodor, et al.
Veröffentlicht: (2025)

idSCD: Identifying Training Datasets through Semantic Correlation Descriptors
von: Gobeaja, Andrada, et al.
Veröffentlicht: (2026)

Do We Always Need the Simplicity Bias? Looking for Optimal Inductive Biases in the Wild
von: Teney, Damien, et al.
Veröffentlicht: (2025)

Robust Novelty Detection through Style-Conscious Feature Ranking
von: Smeu, Stefan, et al.
Veröffentlicht: (2023)

Fine-Tuning Regimes Define Distinct Continual Learning Problems
von: Iordache, Paul-Tiberiu, et al.
Veröffentlicht: (2026)

Rethinking Sparse Autoencoders: Select-and-Project for Fairness and Control from Encoder Features Alone
von: Bărbălau, Antonio, et al.
Veröffentlicht: (2025)

Dependency-aware synthetic tabular data generation
von: Umesh, Chaithra, et al.
Veröffentlicht: (2025)

Convex space learning for tabular synthetic data generation
von: Mahendra, Manjunath, et al.
Veröffentlicht: (2024)

Distributionally robust self-supervised learning for tabular data
von: Ghosh, Shantanu, et al.
Veröffentlicht: (2024)

A supervised generative optimization approach for tabular data
von: Nakamura-Sakai, Shinpei, et al.
Veröffentlicht: (2023)

Targeted synthetic data generation for tabular data via hardness characterization
von: Ferracci, Tommaso, et al.
Veröffentlicht: (2024)

MMM and MMMSynth: Clustering of heterogeneous tabular data, and synthetic data generation
von: Kumari, Chandrani, et al.
Veröffentlicht: (2023)

ChronoGraph: A Real-World Graph-Based Multivariate Time Series Dataset
von: Lutu, Adrian Catalin, et al.
Veröffentlicht: (2025)

TREB: a BERT attempt for imputing tabular data imputation
von: Wang, Shuyue, et al.
Veröffentlicht: (2024)

Preserving logical and functional dependencies in synthetic tabular data
von: Umesh, Chaithra, et al.
Veröffentlicht: (2024)

Temporal Taskification in Streaming Continual Learning: A Source of Evaluation Instability
von: Filat, Nicolae, et al.
Veröffentlicht: (2026)

An interpretable prototype parts-based neural network for medical tabular data
von: Karolczak, Jacek, et al.
Veröffentlicht: (2026)

Evaluating quality in synthetic data generation for large tabular health datasets
von: Escudié, Jean-Baptiste, et al.
Veröffentlicht: (2026)

AutoG: Towards automatic graph construction from tabular data
von: Chen, Zhikai, et al.
Veröffentlicht: (2025)

ExcelFormer: A neural network surpassing GBDTs on tabular data
von: Chen, Jintai, et al.
Veröffentlicht: (2023)

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

Learning based on neurovectors for tabular data: a new neural network approach
von: Husillos, J. C., et al.
Veröffentlicht: (2025)

X-TIME: An in-memory engine for accelerating machine learning on tabular data with CAMs
von: Pedretti, Giacomo, et al.
Veröffentlicht: (2023)

xRFM: Accurate, scalable, and interpretable feature learning models for tabular data
von: Beaglehole, Daniel, et al.
Veröffentlicht: (2025)

HyConEx: Hypernetwork classifier with counterfactual explanations for tabular data
von: Marszałek, Patryk, et al.
Veröffentlicht: (2025)

Not All Splits Are Equal: Rethinking Attribute Generalization Across Unrelated Categories
von: Fircă, Liviu Nicolae, et al.
Veröffentlicht: (2025)

An improved tabular data generator with VAE-GMM integration
von: Apellániz, Patricia A., et al.
Veröffentlicht: (2024)

Bridging Explainability and Embeddings: BEE Aware of Spuriousness
von: Păduraru, Cristian Daniel, et al.
Veröffentlicht: (2024)

Anchor-based oversampling for imbalanced tabular data via contrastive and adversarial learning
von: Mohammadi, Hadi, et al.
Veröffentlicht: (2025)

A text-to-tabular approach to generate synthetic patient data using LLMs
von: Tornqvist, Margaux, et al.
Veröffentlicht: (2024)

MEDS-Tab: Automated tabularization and baseline methods for MEDS datasets
von: Oufattole, Nassim, et al.
Veröffentlicht: (2024)

Table Foundation Models: on knowledge pre-training for tabular learning
von: Kim, Myung Jun, et al.
Veröffentlicht: (2025)

Understanding the limitations of self-supervised learning for tabular anomaly detection
von: Mai, Kimberly T., et al.
Veröffentlicht: (2023)

Probabilistic Hash Embeddings for Online Learning of Categorical Features
von: Li, Aodong, et al.
Veröffentlicht: (2025)

DAGAF: A directed acyclic generative adversarial framework for joint structure learning and tabular data synthesis
von: Petkov, Hristo, et al.
Veröffentlicht: (2026)

SeBA: Semi-supervised few-shot learning via Separated-at-Birth Alignment for tabular data
von: Jurek, Kacper, et al.
Veröffentlicht: (2026)

Beyond the convexity assumption: Realistic tabular data generation under quantifier-free real linear constraints
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2025)