PulseAugur
中
实时 16:48:10
实体 TabDDPM

TabDDPM

PulseAugur coverage of TabDDPM — every cluster mentioning TabDDPM across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 4 条
  1. TOOL · CL_280421 ·

    深度表格生成模型在基准研究中未能优于基线

    arXiv上的一项新的基准研究调查了深度表格生成模型与简单基线相比的有效性。在从200到20,000行抽样的8个公共数据集和4个原生小型临床数据集上,研究发现深度模型很少优于简单基线。研究还观察到,与预测相反,模型排名在较小的训练规模下出奇地稳定,并且在抽样的大型数据集上的排名与原生小型临床数据集上的排名没有很强的相关性。所有代码、数据和2,220次运行的结果均公开可用。

  2. TOOL · CL_275307 ·

    新框架PEG-Tab降低表格生成器数据合成风险

    研究人员开发了PEG-Tab,一个用于修复和控制合成表格数据发布的训练后框架。该方法旨在减轻预训练表格生成器可能复制训练记录的相关风险。PEG-Tab通过创建替代数据行并使用校准分数选择低风险候选者,最后进行发布检查。在各种数据集和生成器家族的测试中,PEG-Tab在保持高迁移学习效用的同时,显著降低了近乎复制和完全复制的风险。

  3. TOOL · CL_208602 ·

    新框架使用扩散模型为5G系统合成真实的网络物理攻击

    研究人员开发了Diff-DDoS,一个旨在提高5G赋能系统网络物理攻击检测能力的新框架。该框架利用表格扩散模型合成真实的攻击数据,解决了标记攻击样本稀缺的问题。通过采用对抗性扩散训练(ADT),Diff-DDoS旨在提高入侵检测器对自适应对手的鲁棒性,在各种攻击场景下与现有方法相比,F1分数有了显著提高。

  4. TOOL · CL_178433 ·

    新的FairDiffuseVQVAE模型在不牺牲质量的情况下增强了合成数据的公平性

    研究人员开发了FairDiffuseVQVAE,这是一种新颖的两阶段架构,用于生成合成表格数据,将数据保真度与公平性解耦。第一阶段使用向量量化自编码器进行重建,第二阶段采用扩散细化器,该细化器以重建和受保护的属性为条件。这种方法允许公平性在采样过程中出现,而不是通过显式的训练惩罚来实现,从而在Adult、Bank和COMPAS等数据集上显着改善了人口统计均等和均等赔率比。虽然实现了最先进的公平性指标,但该模型确实牺牲了一些下游效用,特…