Impugan: Навчання умовних генеративних моделей для надійного заповнення пропущених даних
Автори: Zalish Mahmud, Anantaa Kotal, Aritran Piplai
Опубліковано: 2025-12-05
Переглянути на arXiv →Анотація
Неповні дані є повсюдною проблемою в реальних додатках. Ця стаття представляє Impugan, умовну генеративну змагальну мережу (cGAN), розроблену для надійного заповнення пропущених значень та інтеграції гетерогенних наборів даних. Impugan фіксує нелінійні та багатомодальні зв'язки, з якими традиційні методи заповнення даних мають труднощі.