目录

  • 一、背景分析
    • 1.1 缺失数据
    • 1.2 填补算法
  • 二、GAIN
    • 2.1 GAIN网络架构
    • 2.2 符号描述(Symbol Description)
    • 2.3 生成器模型
    • 2.4 判别器模型
    • 2.5 提示向量Hint
  • 三、算法流程
  • 四、总结

我们一直被缺失的数据包围着。长期以来,统计分析中因数据缺失而产生的问题一直被掩盖着。这些时代现在正在慢慢结束。在过去的几十年中,处理缺失数据的一系列技术已经大大扩展。本专题将介绍利用生成对抗网络进行缺失数据填补,欢迎关注。

一、背景分析

原始论文链接:GAIN: Missing Data Imputation using Generative Adversarial Nets

1.1 缺失数据

Rubin(1976. “Inference and Missing

GAIN: Missing Data Imputation using Generative Adversarial Nets(基于生成对抗网络的缺失数据填补)论文详解相关推荐

  1. GAIN: Missing Data Imputation using Generative Adversarial Nets学习笔记

    GAIN: Missing Data Imputation using Generative Adversarial Nets(基于对抗生成网络实现缺失数据插补) 缺失数据插补算法问题背景 缺失数据 ...

  2. 文献阅读—GAIN:Missing Data Imputation using Generative Adversarial Nets

    文章提出了一种填补缺失数据的算法-GAIN.生成器G观测一些真实数据,并用真实数据预测确实数据,输出完整的数据:判别器D试图去判断完整的数据中,哪些是观测到的真实值,哪些是填补的值.给D提供一些额外的 ...

  3. 基于生成对抗网络的自然语言生成(Natural language generation with Generative Adversarial Networks)

    作者:禅与计算机程序设计艺术 基于生成对抗网络的自然语言生成(Natural language generation with Generative Adversarial Networks) 引言 ...

  4. CVPR2017/图像翻译:Image-to-Image Translation with Conditional Adversarial Networks基于条件对抗网络的图像到图像的翻译

    CVPR2017/图像翻译:Image-to-Image Translation with Conditional Adversarial Networks基于条件对抗网络的图像到图像的翻译 0.摘要 ...

  5. 论文解读:Missing data imputation with adversarially-trained graph convolutional network

    标题: Missing data imputation with adversarially-trained graph convolutional networks 用对抗训练图卷积网络实现缺失数据 ...

  6. GAN —— 《Generative Adversarial Nets》

    <Generative Adversarial Nets> 生成式对抗网络: 作者:lan Goodfellow: 单位:加拿大蒙特利尔大学: 发表会议及时间:NeurlPS(NIPS) ...

  7. 生成对抗网络 – Generative Adversarial Networks | GAN

    生成对抗网络 – Generative Adversarial Networks | GAN 生成对抗网络 – GAN 是最近2年很热门的一种无监督算法,他能生成出非常逼真的照片,图像甚至视频.我们手 ...

  8. SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient读书笔记

    本篇博客仅为方便个人日后翻阅,对公式的解读代表了个人观点,希望能给大家带来一些启发. Sequence Generative Adversarial Nets 序列生成问题的描述:给定真实世界的结构化 ...

  9. Generative Adversarial Nets论文翻译

    Abstract We propose a new framework for estimating generative models via an adversarial process, 我们提 ...

最新文章

  1. JAVA如何检测GC日志
  2. 软件包有未满足的依赖关系
  3. VIM自动补全插件:deoplete
  4. 使用PowerDesigner 建立mysql数据表
  5. WPF Tile=” 变量 UI 双向绑定”x:Class=Problem/
  6. ireport参数传递json_ssm中iReport报表使用json数据源过程体会
  7. 基础编程题目集 6-6 求单链表结点的阶乘和 (15 分)
  8. 安卓桌面软件哪个好_有哪些好用的手机记事本软件?安卓手机便签哪个好用?
  9. CSR8811A12-ICXR-R蓝牙芯片
  10. chrome浏览器inspect打不开解决方案
  11. python量化策略—— alpha 三因子策略(1)
  12. 机器学习06|两万字:决策树 【jupyter代码详解篇】
  13. 验证码论文概述-----中文篇
  14. TM4C123G学习记录(6)--UART
  15. Gronwall 不等式
  16. U盘复制文件提示错误0x80071AC3无法复制解决办法
  17. 常用汉字的UNICODE和对应的繁体字
  18. 怎么把视频的多个片段分割出来?快速分割视频的方法
  19. python第二周基本图形绘制
  20. 单片机MCU51系列RTOS多任务超微操作系统精髓 简单实现 汇编及C语言混合 keil9.0工程源码

热门文章

  1. 蓝桥杯摔手机测试次数
  2. docker MySQL8
  3. 区块链技术与支付_区块链技术将如何确保在线支付
  4. 2020牛客暑期多校训练营(第七场)J.Pointer Analysis
  5. 时间序列的极值点提取
  6. 那些我离不开的 Sketch 插件
  7. 计算机主板供电故障,电脑主板出现故障怎么办 电脑主板故障排查方法
  8. Error (0xc0000225) installing Windows 7 on VirtualBox
  9. JCA - 核心类和接口
  10. 2022-03-11 工作记录--PHP-eq(表示等于)、 neq(表示不等于)