×

增益

swMATH ID: 33872
软件作者： Jinsung Yoon、James Jordon、Mihaela van der Schaar
描述： 增益：使用生成对抗网进行缺失数据插补。我们提出了一种新的缺失数据插补方法，该方法采用了著名的生成对抗网（GAN）框架。因此，我们将该方法称为生成对抗插补网（GAIN）。生成器（G）观察实际数据向量的某些分量，根据实际观察到的内容插补缺失的分量，并输出一个完整的向量。然后，鉴别器（D）获取一个完整的向量，并尝试确定哪些成分是实际观察到的，哪些是插补的。为了确保D强制G学习所需的分布，我们以提示向量的形式向D提供一些附加信息。这个提示向D揭示了关于原始样本缺失的部分信息，D用它来关注特定成分的插补质量。这个提示确保了G实际上学会了根据真实的数据分布进行生成。我们在各种数据集上测试了我们的方法，发现GAIN大大优于最先进的插补方法。
主页： https://arxiv.org/abs/1806.02920
相关软件： 老鼠;Wasserstein甘;miss森林;像素x像素;CycleGAN公司;米斯甘;亚当;MDA错误;ml台架;4.5条;Iscores公司;InfoGAN公司;剪影;softImpute软件;AS 136标准;UCI-毫升;MNIST公司;k平均值++;字母;CollaGAN公司
引用于： 11文件
全部的 前5名

45位作者引用

2 艾哈迈德·阿拉（Ahmed M.Alaa）。
2 米哈埃拉·范德沙尔
1 费利克斯·比斯曼
1 蔡祥瑞
1 乌卡斯·德隆
1 邓格雷斯
1 丁晓科
1 阿里·埃尔科尔
1 安德烈斯·弗洛托
1 帕特里克·加里纳利
1 亚历山大·吉姆森
1 郭文雅
1 韩翠泽
1 丹尼尔·贾勒特（Daniel P.Jarrett）。
1 马蒂厄·柯奇梅耶
1 安娜·科扎克
1 达斯汀·兰格
1 李兆文
1 梁家辉
1 彼得罗·利奥
1 阿明·曼特拉奇
1 大卫·S·马特森。
1 伊恩·麦金尼
1 尼古拉·明绍森
1 洛丽斯·米歇尔
1 杰弗里·纳夫
1 普拉提克·奈杜
1 钱、赵志
1 阿兰·阿科托马蒙杰
1 塔姆莫·鲁卡特
1 戴维·萨利纳斯
1 谢尔特，塞巴斯蒂安
1 菲利普·施密特
1 斯特凡·肖尔特斯
1 宋宪民
1 宋燕
1 梅塔·利纳·斯波恩
1 陶鹏飞
1 安德烈·塔普图诺夫
1 王玉峰
1 安吉拉·伍德。
1 杨敏
1 袁晓杰
1 张颖
1 周宝航
全部的 前5名

8篇连载文章中引用

2 信息科学
2 机器学习
2 数据挖掘与知识发现
1 物理A
1 神经网络
1 机器学习研究杂志（JMLR）
1 ASTIN公告
1 应用统计学年鉴

在4个字段中引用

8 计算机科学（68至XX）
7 统计学（62-XX）
1 统计力学，物质结构（82-XX）
1 博弈论、经济学、金融和其他社会和行为科学（91-XX）

按年份列出的引文