Copertina

SeBA: Semi-supervised few-shot learning via Separated-at-Birth Alignment for tabular data

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Jurek, Kacper, Batko, Wojciech, Śmieja, Marek, Przewięźlikowski, Marcin
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

A deep cut into Split Federated Self-supervised Learning
di: Przewięźlikowski, Marcin, et al.
Pubblicazione: (2024)

Beyond [cls]: Exploring the true potential of Masked Image Modeling representations
di: Przewięźlikowski, Marcin, et al.
Pubblicazione: (2024)

Augmentation-aware Self-supervised Learning with Conditioned Projector
di: Przewięźlikowski, Marcin, et al.
Pubblicazione: (2023)

ZEUS: Zero-shot Embeddings for Unsupervised Separation of Tabular Data
di: Marszałek, Patryk, et al.
Pubblicazione: (2025)

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

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

AutoNFS: Automatic Neural Feature Selection
di: Wydmański, Witold, et al.
Pubblicazione: (2025)

TACTIC for Navigating the Unknown: Tabular Anomaly deteCTion via In-Context inference
di: Marszałek, Patryk, et al.
Pubblicazione: (2026)

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

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

SpaRRTa: A Synthetic Benchmark for Evaluating Spatial Intelligence in Visual Foundation Models
di: Kargin, Turhan Can, et al.
Pubblicazione: (2026)

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

Multi-task and few-shot learning in virtual flow metering
di: Løvland, Kristian, et al.
Pubblicazione: (2023)

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

Continuous max-flow augmentation of self-supervised few-shot learning on SPECT left ventricles
di: Szűcs, Ádám István, et al.
Pubblicazione: (2024)

Enhancing Semi-supervised Learning with Zero-shot Pseudolabels
di: Chung, Jichan, et al.
Pubblicazione: (2025)

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

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

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

Explainable few-shot learning workflow for detecting invasive and exotic tree species
di: Gevaert, Caroline M., et al.
Pubblicazione: (2024)

HyperPlanes: Hypernetwork Approach to Rapid NeRF Adaptation
di: Batorski, Paweł, et al.
Pubblicazione: (2024)

Stop Marginalizing My Dreams: Model Inversion via Laplace Kernel for Continual Learning
di: Krukowski, Patryk, et al.
Pubblicazione: (2026)

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

Semi-supervised learning via DQN for log anomaly detection
di: He, Yingying, et al.
Pubblicazione: (2024)

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

Semi-supervised learning for linear extremile regression
di: Jiang, Rong, et al.
Pubblicazione: (2025)

Semi-supervised learning with max-margin graph cuts
di: Kveton, Branislav, et al.
Pubblicazione: (2026)

The representation landscape of few-shot learning and fine-tuning in large language models
di: Doimo, Diego, et al.
Pubblicazione: (2024)

DiCoFlex: Model-agnostic diverse counterfactuals with flexible control
di: Furman, Oleksii, et al.
Pubblicazione: (2025)

Structured Output Regularization: a framework for few-shot transfer learning
di: Ewen, Nicolas, et al.
Pubblicazione: (2025)

Transformer-based few-shot learning for modeling Electricity Consumption Profiles with minimal data across thousands of domains
di: Xia, Weijie, et al.
Pubblicazione: (2024)

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

SONG: Self-Organizing Neural Graphs
di: Struski, Łukasz, et al.
Pubblicazione: (2021)

Generalized few-shot transfer learning architecture for modeling the EDFA gain spectrum
di: Raj, Agastya, et al.
Pubblicazione: (2025)

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

CounterFlowNet: From Minimal Changes to Meaningful Counterfactual Explanations
di: Furman, Oleksii, et al.
Pubblicazione: (2026)

RetroGFN: Diverse and Feasible Retrosynthesis using GFlowNets
di: Gaiński, Piotr, et al.
Pubblicazione: (2024)

Closing the gap on tabular data with Fourier and Implicit Categorical Features
di: Dragoi, Marius, et al.
Pubblicazione: (2026)

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

ExplainerPFN: Towards tabular foundation models for model-free zero-shot feature importance estimations
di: Fonseca, Joao, et al.
Pubblicazione: (2026)