Improve Fidelity and Utility of Synthetic Credit Card Transaction Time Series from Data-centric Perspective
UCLA(加州大学洛杉矶分校)
本文针对信用卡交易时间序列合成数据的保真度与实用性挑战,提出五种预处理方案以增强 CPAR 模型训练,并验证了合成数据在欺诈检测任务中的有效性,为金融领域提供了实用指南。
2024-01-01 cs.LG
Overcoming limited battery data challenges: A coupled neural network approach
M. S. Ramaiah Institute of Technology(M.S.拉迈亚理工学院);Indian Institute of Science(印度科学研究所)
电动汽车(EV)行业在过去几年中取得了惊人的增长。这主要是由于人们越来越意识到化石燃料动力车辆的有害环境影响以及廉价锂离子电池(LIB)的可用性。为了在电动汽车中安全地部署这些LIB,需要不断监控某些电池状态,以确保安全和健康的运行。使用机器学习来估计电池状态,例如充电状态和健康状态,已经成为一个非常活跃的研究领域。然而,有限的开源多样的数据集的可用性已经扼杀了这一领域的增长,是一个问题,在文献中很大程度上被忽视。在这项工作中,我们提出了一种新的方法的时间序列电池数据增强使用深度神经网络。介绍并分析了利用两个神经网络协同工作交替产生电池综合充放电曲线的方法。一个模型产生电池充电曲线,另一个产生电池放电曲线。所提出的方法进行了评估,使用几个公共电池数据集,以说明其有效性,我们的结果表明,这种方法的有效性,以解决有限的电池数据的挑战。我们还测试了这种方法的动态电动汽车驱动周期以及。
2021-10-05 cs.LG
Generating High Fidelity Synthetic Data via Coreset selection and Entropic Regularization
University of California, Los Angeles(加州大学洛杉矶分校)
生成模型能够合成从数据分布中提取的数据点,但是,并非所有生成的样本都是高质量的。在本文中,我们建议使用coresets选择方法和“熵正则化”的组合来选择最高保真的样本。我们利用一个基于能量的模型,它类似于一个变分自动编码器,具有一个推理和生成器模型,其潜在先验由基于能量的模型复杂化。在一个半监督学习的情况下,我们表明,增加标记的数据集,通过添加我们选择的样本子集,导致更好的精度提高,而不是使用所有的合成样本。
2023-01-31 cs.LG
TabularARGN: A Flexible and Efficient Auto-Regressive Framework for Generating High-Fidelity Synthetic Data
MOSTLY AI
本文提出TabularARGN自回归生成框架,通过训练所有条件概率支持公平性生成、缺失填补和任意列条件生成,在保证高合成质量的同时显著降低训练与推理时间。
2025-02-06 cs.LG
Beyond Distributional Fidelity: Causal-Penalized Diffusion for Synthetic Tabular Data
University of California, Los Angeles(加州大学洛杉矶分校);University of California, San Diego(加州大学圣地亚哥分校);Xiamen University(厦门大学)
该研究针对合成表格数据生成器仅优化分布保真度无法保留因果效应的问题,提出因果惩罚的TabDDPM框架,经实验验证可在提升因果保真度的同时保持竞争力统计保真度。
2026-10-09 cs.LG stat.ML
Holdout-Based Fidelity and Privacy Assessment of Mixed-Type Synthetic Data
MOSTLY AI;Vienna University of Economics and Business(维也纳经济与商业大学)
基于人工智能的数据合成在过去几年中取得了快速进展,并且越来越多地被认可其承诺能够实现尊重隐私的高保真数据共享。然而,充分评估生成的合成数据集的质量仍然是一个开放的挑战。我们介绍并展示了一个基于坚持的实证评估框架,用于量化混合类型表格数据的合成数据解决方案的保真度和隐私风险。测量保真度是基于低维边缘分布的统计距离,这为合成数据集的代表性提供了一个无模型且易于沟通的经验度量。隐私风险通过计算与训练数据最接近的记录的个体水平距离来评估。通过证明合成样本与训练样本和保持数据一样接近,我们得到了强有力的证据,证明合成器确实学会了概括模式,并且独立于单个训练记录。我们展示了四个混合类型数据集的七个不同的合成数据解决方案的框架,并将其与更传统的统计披露技术进行比较。研究结果强调,需要系统地评估这些新兴的合成数据生成器的保真度以及隐私。
2021-04-01 cs.LG stat.ML
Generative Adversarial Networks for Synthetic Data Generation: A Comparative Study
School of Social Sciences, University of Manchester(曼彻斯特大学社会科学学院);Alliance Manchester Business School, University of Manchester(曼彻斯特大学联盟曼彻斯特商学院)
生成对抗网络(GANs)作为一种合成数据的手段越来越受到关注。到目前为止,这项工作的大部分已经应用于数据保密领域之外的用例,其中一个常见的应用是人工图像的生成。在这里,我们考虑了GANs的潜在应用,以生成合成的人口普查微观数据。我们采用了一组效用度量和披露风险度量(目标正确归因概率)来比较表格GANs产生的数据与使用传统数据合成方法产生的数据。
2021-12-03 cs.LG
Instance-Level Safety-Aware Fidelity of Synthetic Data and Its Calibration
Chalmers University of Technology(查尔姆斯理工大学);University of Hildesheim(希尔德斯海姆大学);University of Warwick(华威大学)
该研究聚焦自动驾驶安全关键场景,提出四种超越视觉特征的实例级安全感知保真度并校准,通过优化合成数据生成器减少保真度差距,增强合成数据与真实数据安全关键错误的相关性,为自动驾驶安全测试提供保障。
2024-05-02 cs.AI cs.LG cs.SE
A Principled Method for the Creation of Synthetic Multi-fidelity Data Sets
IBM Research Europe(IBM欧洲研究院)
多保真度和多输出优化算法在计算设计的许多领域都有积极的兴趣,因为它们允许更便宜的计算代理智能地用于帮助实验搜索高性能物种。这些算法的特征涉及通常使用分析函数或现有多保真度数据集的基准。然而,分析功能往往不代表相关的问题,而预先存在的数据集不允许系统的调查的影响,较低的保真度代理的特点。为了弥合这一差距,我们提出了一种方法,系统地生成合成的原始数据来自预先存在的数据集。这使得建设的基准都是实际的优化问题的代表,同时也允许系统的调查的影响较低的保真度代理。
2022-08-26 cs.LG stat.ML
Transfer Learning Assisted XgBoost For Adaptable Cyberattack Detection In Battery Packs
Texas Tech University(德克萨斯理工大学)
本文提出一种基于迁移学习的XgBoost方法,用于实时检测电池组中的网络攻击,通过有限的电池组级数据实现对单元级模型的适应性微调,以提高电压预测和残差生成的准确性。
2025-04-14 cs.LG cs.SY eess.SY
From Statistical Fidelity to Clinical Consistency: Scalable Generation and Auditing of Synthetic Patient Trajectories
The University of Queensland(昆士兰大学);The University of New South Wales(新南威尔士大学);Shahid Sadoughi University of Medical Sciences(沙希德·萨多格伊医学科学与健康服务大学);The University of Auckland(奥克兰大学)
本研究提出了一种生成和审计合成患者轨迹的方法,通过高保真生成和大规模审计确保临床一致性,从而提升数字健康研究中数据的安全性和有效性。
2026-03-06 cs.LG
A Survey on Deep Learning Approaches for Tabular Data Generation: Utility, Alignment, Fidelity, Privacy, Diversity, and Beyond
本文综述了表格数据生成的深度学习方法,从效用、对齐、保真度、隐私、多样性等方面探讨不同需求下的生成方法,并讨论评估方法和未来发展方向。
2026-03-16 cs.LG
Position: All Current Generative Fidelity and Diversity Metrics are Flawed
University of Helsinki(赫尔辛基大学);University of Cambridge(剑桥大学)
本文指出当前所有生成式保真度与多样性度量指标均存在缺陷,通过提出期望特性清单与健全性检查实验揭示其失败模式,呼吁研究界转向开发度量指标,并为从业者提供使用指南。
2025-05-28 cs.LG
Synthetic Data Blueprint (SDB): A modular framework for the statistical, structural, and graph-based evaluation of synthetic tabular data
SYNTHAINA AI
SDB是一种模块化框架,用于评估合成表格数据的统计、结构和基于图的保真度,适用于医疗、金融和网络安全等不同领域。
2025-12-16 cs.LG
Fair4Free: Generating High-fidelity Fair Synthetic Samples using Data Free Distillation
Linköping University(林雪平大学)
针对私有或不可访问数据场景,本文提出 Fair4Free,通过教师模型学习公平表示并无数据蒸馏到小型学生模型来生成公平合成样本,在公平性、效用和合成质量上均超越现有方法。
2024-10-02 cs.AI cs.LG
A high fidelity synthetic face framework for computer vision
Microsoft(微软)
人脸分析是计算机视觉的核心应用之一,其任务范围包括地标对齐、头部姿态估计、表情识别和人脸识别等。然而,构建可靠的方法需要耗时的数据汇集,并且通常需要更耗时的手动注释,这可能是不可靠的。在我们的工作中,我们提出合成这样的面部数据,包括地面实况注释,这几乎是不可能通过手动注释获得的一致性和规模可能通过使用合成数据。我们使用参数化的人脸模型和手工制作的资产,使我们能够生成具有前所未有的质量和多样性(不同的形状,纹理,表情,姿势,灯光和头发)的训练数据。
2020-07-16 cs.CV cs.LG
Balancing Fidelity, Utility, and Privacy in Synthetic Cardiac MRI Generation: A Comparative Study
University of Peradeniya, Sri Lanka(斯里兰卡大学);University of Maryland, College Park, USA(美国马里兰大学 College Park 分校);Tulane University School of Medicine, USA(美国 Tulane 大学医学院);Simula Research Laboratory, Norway(挪威 Simula 研究实验室);SimulaMet, Norway(挪威 SimulaMet)
本研究比较了三种生成模型在合成心脏MRI中的性能,发现DDPM在保真度、实用性和隐私保护之间达到最佳平衡,而FM在隐私方面表现突出但性能略低。
2026-03-04 cs.CV cs.LG
Mapping High-Performance Regions in Battery Scheduling across Data Uncertainty, Battery Design, and Planning Horizons
Enefit;University of Seville(塞维利亚大学);University of Tartu(塔尔图大学);Tallinn University of Technology(塔林技术大学)
本文研究多阶段模型预测控制下能量存储操作的三重分析,探讨数据特征、预测不确定性、规划时间跨度和电池充放电速率的相互作用,通过合成数据集系统探索数据特征和不确定性的变化,确定最佳时间跨度映射关系,减少计算成本并保持最优性能。
2026-04-12 cs.LG cs.SY eess.SY
Generating Higher-Fidelity Synthetic Datasets with Privacy Guarantees
Artificial Intelligence Lab(人工智能实验室);EPFL(洛桑联邦理工学院(瑞士))
本文考虑了在常见的机器学习开发任务中增强用户隐私的问题,例如数据注释和检查,通过用生成对抗网络的样本代替真实数据。我们建议采用贝叶斯差分隐私的手段,以实现严格的理论保证,同时提供更好的隐私效用权衡。我们通过实验证明,与以前的工作相比,我们的方法产生了更高保真的样本,允许(1)检测更微妙的数据错误和偏差,以及(2)通过直接在人工样本上训练时实现高准确性来减少对真实数据标签的需求。
2020-03-02 cs.AI cs.CR cs.LG
High Fidelity Synthetic Face Generation for Rosacea Skin Condition from Limited Data
Dublin City University(都柏林城市大学)
与大多数深度学习应用程序类似,使用计算机视觉和深度学习诊断皮肤病通常需要大量数据。然而,由于隐私问题,获得特定类型的面部皮肤状况的足够数据可能是困难的。因此,像酒渣鼻这样的疾病在计算机辅助诊断中往往研究不足。面部皮肤状况数据的有限性导致了对计算机辅助诊断的替代方法的研究。近年来,生成对抗网络(GANs),主要是StyleGANs的变体,在生成合成面部图像方面表现出了很好的效果。在这项研究中,第一次,一个小的数据集酒渣鼻与300全脸图像被用来进一步调查的可能性,产生合成数据。初步实验表明,如何微调模型和不同的实验设置显着影响酒渣鼻功能的保真度。结果表明,$R_1$正则化强度有助于实现高保真的细节。此外,这项研究提出了由专家皮肤科医生和非专业参与者合成/生成的面部的定性评价。使用几个验证指标进行定量评价。此外,一些限制和未来的发展方向进行了讨论。代码和生成的数据集可从以下网址获得:\url{https://github.com/thinkercache/stylegan2-ada-pytorch}
2023-03-08 cs.CV cs.LG eess.IV
FairTabGen: High-Fidelity and Fair Synthetic Health Data Generation from Limited Samples
University of California, Irvine(加州大学尔湾分校);TU Wien (Vienna University of Technology)(维也纳技术大学);Heidelberg University(海德堡大学)
FairTabGen通过结合上下文学习、提示整理和结构约束,以更少的数据生成高保真且公平的合成医疗数据,提升公平性的同时保持预测效用。
2026-02-18 cs.AI cs.LG
Fidelity and Privacy of Synthetic Medical Data
医疗记录的数字化为临床科学带来了大数据的新时代,随之而来的是数据可以共享的可能性,从而使研究人员从纸质记录中提取的见解成倍增加。随着科学家们努力应对COVID-19大流行,共享个人层面的医疗数据以加速精准医疗创新的需求持续增长,并且从未如此紧迫。然而,对使用大数据的热情已经被对患者自主权和隐私的完全适当的关注所冲淡。也就是说,在实践中,提取关于个人的私人或机密信息的能力使得难以共享数据,因为在共享数据之前必须建立重要的基础设施和数据治理。虽然HIPAA将去识别作为数据共享的一种批准机制,但链接攻击被确定为一个主要漏洞。已经建立了各种机制来避免泄露私人信息,例如字段抑制或抽象,严格限制可以共享的信息量,或采用诸如差分隐私的数学技术。另一种方法是创建模仿底层数据的合成数据,这也是我们在此重点介绍的方法。为了使合成数据成为支持医学创新的有用机制和真实世界证据的代理,必须证明合成数据集的两个属性:(1)对真实数据的任何分析必须与对合成数据的分析相匹配(统计保真度)和(2)合成数据必须保护隐私,重新识别的风险最小(隐私保证)。在本文中,我们提出了一个用于量化合成数据集的统计保真度和隐私保护属性的框架,并展示了Syntegra技术生成的合成数据的这些指标。
2021-06-02 cs.AI cs.CR cs.LG
Enhanced physics-constrained deep neural networks for modeling vanadium redox flow battery
Pacific Northwest National Laboratory(太平洋西北国家实验室);University of Minnesota(明尼苏达大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
数值建模和仿真已成为全面了解液流电池的基本机制和成本效益的工艺优化和控制的不可或缺的工具。在这项研究中,我们提出了一种增强版的物理约束深度神经网络(PCDNN)方法[1],以提供钒氧化还原液流电池(VRFBs)中的高精度电压预测。PCDNN方法的目的是在神经网络中执行基于物理的零维(0D)VRFB模型,以确保模型在各种电池操作条件下的泛化。受限于0D模型的简化,PCDNN不能捕获极端SOC区域中的急剧电压变化。为了提高极端范围内电压预测的准确性,我们引入了第二个(增强型)DNN来减轻0D模型本身带来的预测误差,并将所产生的方法称为增强型PCDNN(ePCDNN)。通过将模型预测与实验数据进行比较,我们证明了ePCDNN方法可以准确地捕获整个充放电周期的电压响应,包括电压放电曲线的尾部区域。与标准PCDNN相比,ePCDNN的预测精度有显著提高。通过调整物理约束DNN和增强DNN的权重,用于训练ePCDNN的损失函数被设计为灵活的。这允许ePCDNN框架可转移到具有可变物理模型保真度的电池系统。
2022-03-03 cs.LG physics.chem-ph
Inter-Battery Topic Representation Learning
KTH Royal Institute of Technology(瑞典皇家理工学院);University of Bristol(布里斯托大学)
在本文中,我们提出了跨电池主题模型(IBTM)。我们的方法扩展了传统的主题模型,通过学习一个因式分解的潜在变量表示。结构化表示导致一种模型,该模型将传统上与判别方法(例如特征选择)相关联的益处与生成模型(例如原则性正则化和处理缺失数据的能力)的益处结合。通过将数据表示为对齐的观测对作为不同的视图来提供因子分解。这提供了用于选择表示的方法,该表示将存在于两个视图中的主题与对于单个视图唯一的主题分开建模。这种结构化的合并允许高效和鲁棒的推理,并提供紧凑和高效的表示。通过最大化对数似然的严格界限,以贝叶斯方式执行学习。首先,我们说明了该模型在合成数据集上的好处。然后,在两个不同的分类任务上,利用现成的卷积神经网络(CNN)功能,在单模态和多模态设置下对模型进行评估,这些功能可以生成具有极其紧凑表示的最先进结果。
2016-07-28 cs.CV cs.LG
Generating Comprehensive Lithium Battery Charging Data with Generative AI
School of Chemical Engineering, Sichuan University(四川大学化学工程学院);School of Automation Engineering, University of Electronic Science and Technology of China(电子科技大学自动化工程学院)
针对锂电池电化学数据获取难、质量不足影响状态预测的问题,本研究提出以EOL和ECL为条件的RCVAE模型,可生成多维度全面的充电电化学数据,为电池性能预测提供新支撑。
2024-04-11 cs.LG eess.SP
Synthetic Flight Data Generation Using Generative Models
Faculty of Aerospace Engineering(航空航天工程学院);Delft University of Technology (TU Delft)(代尔夫特理工大学)
本文研究生成模型生成真实飞行数据的潜力,通过四阶段评估框架评估其质量,发现TVAE在处理大规模数据时更高效,合成数据能支持与真实数据相当的航班延误预测模型。
2026-04-22 cs.LG
Synthetic but Not Realistic: The Evaluation Challenge in Generative Modelling for Structured Electronic Medical Records
Centre for Big Data Research in Health, the University of New South Wales(新南威尔士大学健康大数据研究中心)
针对合成电子病历评估过度依赖统计相似性而忽视临床有效性的问题,提出基于流行病学的多维度评估框架,发现当前生成模型虽能复现边缘分布,但无法同时保持亚组结构、效应估计和依赖关系,导致评估高估数据质量。
2026-06-08 cs.LG
Assessing the Distributional Fidelity of Synthetic Chest X-rays using the Embedded Characteristic Score
Department of Biomedical Data Science, Stanford University(生物医学数据科学系,斯坦福大学);Gladstone Institutes(格拉斯顿研究所)
本文提出嵌入特征分数(ECS)评估合成胸片与真实胸片分布的保真度,通过特征嵌入的特征函数变换,捕捉高阶矩和分布尾部差异,优于传统指标如FID。
2026-03-19 cs.LG stat.ML
Advancing Retail Data Science: Comprehensive Evaluation of Synthetic Data
Bain & Company(贝恩公司)
本文提出了一个聚焦保真度、效用与隐私的合成零售数据综合评估框架,区分数据属性设定评估标准,结合差分隐私保障安全,验证了其可靠可扩展的评估能力,助力零售数据科学发展。
2024-06-19 cs.LG stat.ML
SHAP Distance: An Explainability-Aware Metric for Evaluating the Semantic Fidelity of Synthetic Tabular Data
The University of Tokyo(东京大学);Infomart Corporation(Infomart公司)
本文提出SHAP距离,一种基于SHAP归因的度量方法,用于评估合成表格数据的语义保真度,通过捕捉特征重要性变化和尾部效应,弥补传统方法的不足。
2025-11-17 cs.AI cs.CY cs.LG
Toward Multi-Fidelity Machine Learning Force Field for Cathode Materials
College of Computer Science and Artificial Intelligence(计算机科学与人工智能学院)
针对正极材料高质量训练数据集稀缺导致机器学习力场应用受限的问题,提出可同时利用高低保真度数据集训练的多保真度MLFF框架,在LMFP体系验证有效,降低了高精度力场的训练数据成本。
2025-11-14 cond-mat.mtrl-sci cs.LG
Fast and Generalizable parameter-embedded Neural Operators for Lithium-Ion Battery Simulation
Center for Ageing, Reliability and Lifetime Prediction of Electrochemical and Power Electronic Systems (CARL), RWTH Aachen University(电化学与电力电子系统老化、可靠性与寿命预测中心(CARL),亚琛工业大学);Institute for Power Electronics and Electrical Drives (ISEA), RWTH Aachen University(电力电子与电气驱动研究所(ISEA),亚琛工业大学);Department of Mechanical Engineering, Imperial College London(机械工程系,伦敦帝国理工学院);Dyson School of Design Engineering, Imperial College London(戴森设计工程学院,伦敦帝国理工学院);Vehicle Futures Hub, Imperial College London(车辆未来中心,伦敦帝国理工学院)
本文提出了一种参数嵌入傅里叶神经算子(PE-FNO)用于锂离子电池仿真,在保持高精度的同时实现了比传统求解器快约200倍的速度,并支持跨半径和扩散率的泛化,为实时电池管理提供了高效且高保真的数字孪生解决方案。
2025-08-11 cs.LG physics.chem-ph
AIS-CycleGen: A CycleGAN-Based Framework for High-Fidelity Synthetic AIS Data Generation and Augmentation
Universiti Kebangsaan Malaysia(马来西亚国民大学);Qatar University(卡塔尔大学)
AIS-CycleGen基于CycleGAN提出了一种生成高保真AIS数据的增强框架,通过无配对领域翻译技术提升数据多样性与真实性,有效改善海洋领域模型性能。
2026-01-04 cs.AI cs.LG
Algorithmic Control Improves Residential Building Energy and EV Management when PV Capacity is High but Battery Capacity is Low
本研究利用90个家庭真实数据,发现深度强化学习在电池容量低时能显著改善产消者家庭的能源管理与成本节约,高电池容量下算法控制价值有限。
2025-05-26 cs.AI cs.LG cs.SY
PhysioGAN: Training High Fidelity Generative Model for Physiological Sensor Readings
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
生成模型,如变分自动编码器(VAE)和生成对抗网络(GAN)已被证明是非常强大的合成数据的生成,保留了真实世界数据集的统计属性和实用性,特别是在图像和自然语言文本的背景下。然而,到目前为止,还没有成功的示范如何应用任何一种方法来产生有用的生理感觉数据。在这方面,最先进的技术只取得了有限的成功。我们提出PHYSIOGAN,一个生成模型,以产生高保真度的合成生理传感器数据读数。PHYSIOGAN由编码器、解码器和解码器组成。我们评估PHYSIOGAN对国家的最先进的技术,使用两个不同的现实世界的数据集:心电图分类和运动传感器数据集的活动识别。我们比较PHYSIOGAN的基线模型,不仅类条件生成的准确性,而且样本的多样性和样本的新颖性的合成数据集。我们证明了PHYSIOGAN生成的样本具有比其他生成模型更高的实用性,通过显示仅在PHYSIOGAN生成的合成数据上训练的分类模型,相对于在真实数据上训练的分类模型,其分类准确性仅降低10%和20%。此外,我们证明了使用PHYSIOGAN传感器数据插补在创建合理的结果。
2022-04-25 cs.LG eess.SP
PHANTOM: Progressive High-fidelity Adversarial Network for Threat Object Modeling
College of Interdisciplinary Studies, Zayed University(泽拉德大学跨学科学院);College of Engineering, The Hashemite University(哈希米大学工程学院)
PHANTOM通过渐进式训练和双路径架构生成高保真合成攻击数据,提升入侵检测系统鲁棒性和隐私保护能力。
2025-12-12 cs.AI cs.CR cs.LG
Data-driven learning of robust nonlocal physics from high-fidelity synthetic data
Lehigh University(利哈伊大学);Sandia National Laboratories(桑迪亚国家实验室)
非局部模型的一个关键挑战是从第一原理推导它们的分析复杂性,并且它们的使用通常是事后证明的。在这项工作中,我们从数据中提取非本地模型,规避这些挑战,并提供数据驱动的理由,所产生的模型形式。由于非线性和缺乏凸性,提取可证明鲁棒的数据驱动代理是机器学习(ML)方法的主要挑战。我们的计划允许提取可证明可逆的非局部模型,其内核可能是部分负的。为了实现这一点,基于已建立的非局部理论,我们嵌入在我们的算法充分条件的非正部分的内核,保证适定性的学习操作。这些条件被作为不等式约束施加,并确保模型是鲁棒的,即使在小数据制度。我们证明了这种工作流程的一系列应用,包括复制制造的非局部内核;数值均匀化的达西流与非均匀的周期性微观结构;非局部近似高阶本地传输现象;和近似的全球支持的分数扩散算子截断内核。
2020-05-17 cs.LG math.OC
Trustworthy synthetic data for campaign decision support: strategy simulation fidelity and the PolicySynth framework
The University of Tokyo(东京大学);Trade Union University(工会大学);Academy Of Finance(财政学院);Ministry of Industry and Trade(工业与贸易部)
研究针对合成数据用于活动决策支持时决策不一致问题,提出策略模拟保真度标准、PolicySynth框架及三轴报告标准,通过实验对比,该框架在电信和银行语料库上展现高SSF及稳定性,可靠支持决策筛选,投资回报率虽需校正但表现良好。
2026-07-14 cs.LG stat.ML
ReGain: Restoring Subject Fidelity in Personalization on Synthetic Images
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
针对合成图像微调导致主体保真度下降的问题,提出无需训练的采样时校正方法 ReGain,通过按频段缩放引导来消除 CFG 膨胀,显著缩小保真度差距并保持文本对齐。
2026-10-01 cs.AI cs.CV cs.LG
High-Fidelity Synthetic ECG Generation via Mel-Spectrogram Informed Diffusion Training
Microsoft(微软公司);Massachusetts General Hospital, Harvard University(哈佛大学麻省总医院);Emory University(埃默里大学)
针对现有合成心电图形态保真度不足和缺乏个性化的问题,提出基于梅尔频谱图信息扩散训练和人口统计学条件化的MIDT-ECG方法,在PTB-XL上显著提升保真度并降低导联误差,实现高保真个性化合成。
2025-10-09 cs.AI cs.LG
Improving Low-Fidelity Models of Li-ion Batteries via Hybrid Sparse Identification of Nonlinear Dynamics
The Ohio State University(俄亥俄州立大学)
本文提出GA-STRidge混合稀疏辨识方法,结合物理与数据驱动策略补偿锂离子电池低保真模型误差,在保持计算效率的同时显著提升电压预测精度与鲁棒性。
2024-11-20 cs.LG cs.NE cs.SY
Closing the Gap Between Synthetic and Ground Truth Time Series Distributions via Neural Mapping
Norwegian University of Science and Technology(挪威科技大学);Telenor Research(挪威电信研究院)
本文提出NM-VQTSG方法,利用基于U-Net的神经映射模型弥合合成与真实时间序列的分布差距,有效解决VQ生成中的信息丢失和分布偏差问题,显著提升合成数据的保真度。
2025-01-29 cs.LG stat.ML
A Hybrid Tucker-LSTM Tensor Network Model for SOC Prediction in Electric Vehicles
College of Computer and Information Science(计算机与信息科学学院);School of Culture Tourism(文化旅游学院);Digital Intelligence Center(数字智能中心);China Automotive Engineering Research Institute Co., Ltd.(中国汽车工程研究院股份有限公司)
本文提出一种结合Tucker张量分解与LSTM网络的混合模型,通过全生命周期电动汽车数据提升SOC预测精度,实验表明该模型在多个指标上均优于基线方法。
2026-05-13 cs.ET cs.LG
Fidelity, Diversity, and Privacy: A Multi-Dimensional LLM Evaluation for Clinical Data Augmentation
Universidad Politécnica de Madrid(马德里理工大学);University Hospital Rey Juan Carlos(雷伊·卡洛斯大学医院);University Hospital Jimenez Diaz Foundation(吉梅尼兹·迪亚兹基金会大学医院);General Hospital of Villalba(维拉尔巴综合医院);University Hospital Infanta Elena(伊菲塔·埃莱娜大学医院);Universidad Catolica del Maule(马乌尔天主教大学);Madrid Autonomous University(马德里自治大学);CIBERSAM, ISCIII
本文提出多维LLM评估框架,用于生成符合ICD-10编码的合成心理健康评估报告,评估保真度、多样性及隐私安全,提升临床NLP训练数据质量。
2026-04-29 cs.CR cs.LG
Beyond Pixel Similarity: Task-Aware Evaluation of GAN-Based Synthetic Sonar Data for Robotic Perception
XITASO GmbH IT & Software Solutions(XITASO信息技术与软件解决方案有限公司);National University of Sciences and Technology (NUST)(国立科技大学);Technical University of Kaiserslautern(凯泽斯劳滕工业大学)
本研究针对GAN合成声纳数据,发现像素级图像保真度指标(SSIM、PSNR、MSE)不能充分反映下游目标检测性能,提出并验证了任务感知评估的必要性,表明PatchGAN配置虽像素相似性较低但检测效果更优。
2026-09-17 cs.CV cs.LG cs.RO
Discriminative Estimation of Total Variation Distance: A Fidelity Auditor for Generative Data
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
本文提出一种判别式估计总变差距离的方法,通过贝叶斯风险与TV距离的关系实现生成数据保真度审计,并证明高斯分布分离度影响估计精度,实验验证了有效性。
2024-05-24 cs.LG stat.ML
How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating and Auditing Generative Models
Broad Institute of MIT and Harvard(麻省理工学院与哈佛大学博德研究所);MIT(麻省理工学院);Cambridge University(剑桥大学);UCLA(加州大学洛杉矶分校)
为生成模型设计与领域和模型无关的评估指标是一个重要且尚未解决的问题。大多数现有的指标,这是专门为图像合成设置,表现出有限的能力,诊断不同的故障模式的生成模型在更广泛的应用领域。在本文中,我们引入了一个三维的评价指标,($α$ -精度,$β$ -召回,真实性),其特征的保真度,多样性和泛化性能的任何生成模型在域不可知的方式。我们的度量标准将统计差异度量与精确召回分析相结合,从而实现模型保真度和多样性的样本和分布级诊断。我们引入泛化作为一个额外的,独立的维度(对多样性的权衡),量化模型复制训练数据的程度-在对隐私要求的敏感数据建模时,这是一个关键的性能指标。这三个度量分量对应于(可解释的)概率量,并通过样本级二进制分类进行估计。我们的指标的样本级性质激发了一种新的用例,我们称之为模型审计,其中我们判断(黑盒)模型生成的单个样本的质量,丢弃低质量样本,从而以事后方式提高整体模型性能。
2022-07-13 cs.LG stat.ML
Copula Flows for Synthetic Data Generation
当可用(真实)数据有限或隐私和数据保护标准仅允许有限使用给定数据时,生成高保真合成数据的能力至关重要,例如,医学和金融数据集。当前用于合成数据生成的最先进方法基于生成模型,诸如生成对抗网络(GANs)。尽管GANs在合成数据生成方面取得了显着的成果,但它们通常很难解释。此外,基于GAN的方法在使用混合实数和分类变量时可能会受到影响。此外,损失函数(损失函数)设计本身是特定于问题的,即,生成模型可能对它没有被明确训练的任务没有用。在本文中,我们建议使用概率模型作为合成数据生成器。学习数据的概率模型相当于估计数据的密度。基于copula理论,我们将密度估计任务分为两部分,即,估计单变量边际和估计单变量边际上的多变量Copula密度。我们使用规范化流来学习Copula密度和单变量边缘。我们基准我们的方法在模拟和真实数据集方面的密度估计,以及能够产生高保真度的合成数据
2021-01-03 cs.LG stat.AP stat.ML
Statistical Turbulence and High-Fidelity Disturbance Fields for Quadrotor Flight Control
Peking University(北京大学)
本文量化风场保真度对四旋翼强化学习控制器鲁棒性的影响,发现离散阵风域随机化训练最有效,且控制权限而非风真实性限制鲁棒性。
2026-10-07 cs.LG cs.RO physics.flu-dyn
Lightweight GenAI for Network Traffic Generation: Fidelity, Augmentation, and Classification
DIETI, University of Naples Federico II(那不勒斯费德里科二世大学);Huawei Technologies France SASU(华为技术法国有限公司)
本文提出轻量级生成式人工智能架构,用于网络流量合成,通过保真度、纯合成训练、低数据增强和计算效率的评估,提升分类性能,变压器模型在保真度与效率间取得最佳平衡。
2026-11-13 cs.AI cs.LG cs.NI
No Free Lunch for Synthetic Images under Data Scarcity Conditions
Universidad Politécnica de Madrid(马德里理工大学);Universidad de Alcalá(阿尔卡拉大学)
研究数据稀缺和隐私敏感条件下合成数据的保真度、隐私和效用权衡,提出联合评估框架,比较VAE、GAN和DDPM在三个图像数据集上的表现,发现GAN和DDPM在差分隐私下更鲁棒。
2026-06-01 cs.AI cs.CV cs.LG
Assessing Privacy Leakage in Synthetic 3-D PET Imaging using Transversal GAN
Data Science Institute, University of British Columbia(不列颠哥伦比亚大学数据科学研究所);BC Cancer Research Institute(不列颠哥伦比亚癌症研究所);University of British Columbia(不列颠哥伦比亚大学)
在医学图像上训练用于疾病诊断或图像分割的计算机视觉相关算法在很大程度上是由于隐私问题而困难的。出于这个原因,生成图像模型非常受欢迎,以促进数据共享。然而,3-D生成模型的研究不足,他们的隐私泄漏的调查是必要的。我们介绍了我们的3-D生成模型,GAN(TrGAN),使用头部和颈部PET图像的肿瘤掩模作为一个案例研究。我们为我们的模型定义了图像保真度,实用性和隐私性的定量测量。这些指标在训练过程中进行评估,以确定理想的保真度,实用性和隐私权衡,并建立这些参数之间的关系。我们证明了TrGAN的训练样本容易受到攻击,并且攻击者可以以近乎完美的准确度(AUC = 0.99)识别出哪些样本用于训练。我们还表明,只访问生成器的攻击者无法可靠地分类样本是否用于训练(AUC = 0.51)。这表明,TrGAN发生器,而不是鉴别器,可以用于共享合成的3-D PET数据,具有最小的隐私风险,同时保持良好的实用性和保真度。
2023-10-31 cs.CR cs.CV cs.LG