实体
Conditional WGAN-GP
Conditional WGAN-GP
PulseAugur coverage of Conditional WGAN-GP — every cluster mentioning Conditional WGAN-GP across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
New CA-GAN framework generates tabular data while preserving causal relationships
研究人员开发了 CA-GAN，一种新颖的生成对抗网络，专为表格数据合成而设计，并优先保留因果关系。与仅关注统计分布匹配的现有方法不同，CA-GAN 通过从真实数据中提取因果图来明确地整合因果知识。该框架利用强化学习来优化真实数据和合成数据之间的因果一致性，确保生成的样本不仅逼真，而且能够维持潜在的因果机制。跨多个数据集的实验表明，与最先进的基线相比，CA-GAN 在因果保留方面表现更优，同时在下游效用、隐私和数据质量方面也取得了强劲的成果。
-
新研究使用 Wasserstein 散度量化生成增强的可靠性
一篇新发表在 arXiv 上的研究探讨了生成数据增强对机器学习下游泛化的理论影响。该研究引入了一个统计框架来分析增强如何影响分类风险，并提出这种风险失真受增强强度以及真实数据分布与生成数据分布之间 Wasserstein 散度的影响。研究结果表明，尽管分布保真度（以 Wasserstein 散度衡量）的提高很重要，但它并不总是能保证卓越的分类性能，传统的过采样方法有时更具竞争力。这项工作将生成增强确立为一个可以量化并得到泛化保证支持的…