Deterministic Autoencoder using Wasserstein loss for tabular data generation

Tabular data generation is a complex task due to its distinctive characteristics and inherent complexities. While Variational Autoencoders have been adapted from the computer vision domain for tabular data synthesis, their reliance on non-deterministic latent space regularization introduces limitati...

Celý popis

Podrobná bibliografie

Vydáno v:	Neural networks Ročník 185; s. 107208
Hlavní autoři:	Wang, Alex X., Nguyen, Binh P.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States Elsevier Ltd 01.05.2025
Témata:	Algorithms Autoencoder Deep Learning Deep neural networks Generative AI Humans Latent space interpolation Neural Networks, Computer Tabular data synthesis Wasserstein Autoencoder Deep neural networks Generative AI Tabular data synthesis Latent space interpolation Wasserstein Autoencoder
ISSN:	0893-6080, 1879-2782, 1879-2782
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!