Impugan: Навчання умовних генеративних моделей для надійного заповнення пропущених даних

Автори: Zalish Mahmud, Anantaa Kotal, Aritran Piplai

Опубліковано: 2025-12-05

Переглянути на arXiv →
#cs.LG

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.

Impugan: Навчання умовних генеративних моделей для надійного заповнення пропущених даних

Автори: Zalish Mahmud, Anantaa Kotal, Aritran Piplai

Опубліковано: 2025-12-05

Переглянути на arXiv →
#cs.LG

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.

FEEDBACK

Проекти

Немає проектів

Impugan: Навчання умовних генеративних моделей для надійного заповнення пропущених даних | ArXiv Intelligence