Double and Single Descent in Causal Inference with an Application to High-Dimensional Synthetic Control
研究因果推断中高维模型的双重下降现象,发现过参数化线性回归与合成控制可提升插补和估计性能,并统一解释为模型平均效应。
2023-10-12 econ.EM stat.ME stat.ML
Beating Transformers using Synthetic Cognition
Avatar Cognition(Avatar认知)
本文提出一种扩展合成认知以处理序列的机制,并在 DNA 序列分类任务上超越 Transformer 架构和 DNA 基础模型,验证了合成认知在上下文感知反应式行为中的有效性。
2025-07-02 cs.AI cs.LG
Synthetic Design: An Optimization Approach to Experimental Design with Synthetic Controls
我们调查的最佳设计的实验研究,有治疗前的结果数据。平均处理效应估计为处理单元和对照单元的加权平均结果之间的差异。一些常用的方法适合这个公式,包括均值差估计和各种综合控制技术。我们提出了几种方法来选择一组治疗单位结合的权重。观察NP-硬度的问题,我们引入了一个混合整数规划制定,选择治疗和控制集和单位权重。我们证明,这些建议的方法导致定性不同的实验单位被选择治疗。我们使用的模拟的基础上,从美国劳工统计局的公开数据,显示改善方面的均方误差和统计功效相比,简单和常用的替代品,如随机试验。
2021-12-01 stat.ME stat.ML
An alternative to synthetic control for models with many covariates under sparsity
合成控制法是一种计量经济学工具,用于评价仅处理一个单元时的因果效应。虽然最初的目的是评估大规模的宏观经济变化的影响,很少有可用的控制单元,它已越来越多地被用来代替更知名的微观计量经济学工具,在广泛的应用,但其属性在这方面是未知的。本文介绍了一种替代的合成控制法,这是在通常的渐近框架和高维的情况下开发。我们提出了一个平均处理效应的估计,它是双稳健的,一致的和渐近正态的。它也对第一步选择错误免疫。我们说明这些属性使用蒙特卡罗模拟和应用程序的标准和潜在的高维设置,并提供了比较与合成控制法。
2021-06-20 econ.EM stat.ME
scpi: Uncertainty Quantification for Synthetic Control Methods
综合控制方法提供了一种量化干预效果的方法,使用未处理单元的加权平均值来近似处理单元在没有干预的情况下会经历的反事实结果。该方法对于观察性研究中的项目评价和因果推断是有用的。我们介绍了使用合成控件进行预测和推理的软件包scpi,该软件包在Python,R和Stata中实现。对于处理效应的点估计或预测,该软件包提供了一系列利用最新优化方法的方法(可能会受到惩罚)。对于不确定性量化,该软件包提供了Cattaneo,Feng和Titiunik(2021)以及Cattaneo,Feng,Palomba和Titiunik(2022)介绍的预测区间方法。文中包括数值例子和与其他综合控制软件的比较。
2022-10-11 econ.EM stat.AP stat.CO
Synthetic Controls for Experimental Design
针对聚合单元实验设计,提出非随机化合成控制设计以选择处理与对照单元,通过加权平均估计潜在结果,显著减少估计偏差。
2025-04-23 econ.EM stat.ME
Asymptotic Properties of the Synthetic Control Method
本文对合成控制法(SCM)的渐近性质提供了新的见解。我们发现,合成控制(SC)的重量收敛到一个限制的重量,最大限度地减少治疗效果估计的均方预测风险时,预处理期的数量趋于无穷大,我们还量化的收敛速度。观察SCM和模型平均值之间的联系,我们进一步建立了不完美的预处理拟合下的SC估计的渐近最优性,在这个意义上说,它实现了所有可能的处理效应估计的基础上的平均控制单元,如匹配,逆概率加权和差异的差异之间的最低可能的平方预测误差。无论控制单元的数目是固定的还是发散的,渐近最优性都成立。因此,我们的研究结果提供了理由,SCM在广泛的应用。通过仿真验证了理论结果。
2022-11-22 econ.EM stat.ME
Non-parametric identifiability and sensitivity analysis of synthetic control models
University College London(伦敦大学学院);Spotify(Spotify公司);Imperial College London(帝国理工学院)
量化因果关系是许多领域中的重要问题。金标准解决方案是进行随机对照试验。然而,在许多情况下,这种试验无法进行。在缺乏此类试验的情况下,人们设计了许多方法,在给定某些假设的情况下,根据观察数据量化干预措施的因果影响。一种广泛使用的方法是综合控制模型。虽然这种模型中的因果被估量的可识别性已经从一系列假设中获得,但人们广泛而含蓄地假设,干预前和干预后的所有时间段都满足基本假设。这是一个强有力的假设,因为综合控制模型只能在干预前阶段学习。在本文中,我们解决这一挑战,并证明可识别性,可以获得不需要这个假设,通过显示它遵循不变的因果机制的原则。此外,第一次,我们制定和研究综合控制模型在珍珠的结构因果模型框架。重要的是,我们提供了一个一般的框架,敏感性分析的合成控制因果推断违反的假设基础非参数可识别性。最后,我们提供了一个实证证明我们的敏感性分析框架的模拟和实际数据中广泛使用的线性综合控制框架。
2023-01-18 cs.AI cs.LG stat.ME
Balancing, Regression, Difference-In-Differences and Synthetic Control Methods: A Synthesis
在一篇开创性论文Abadie、Diamond和Hainmueller [2010](ADH)中,另见Abadie和Gardeazabal [2003],Abadie等人[2014],开发了一种综合控制程序,用于在存在单个处理单元和多个对照单元的情况下估计处理效果,并观察到所有单元的处理前结局。该方法构建了一组权重,使得选定的协变量和治疗单位的治疗前结果与对照单位(合成对照)的加权平均值近似匹配。权重被限制为非负且总和为1,这很重要,因为它允许程序获得唯一的权重,即使滞后结果的数量相对于控制单元的数量是适度的,这是应用程序中的常见设置。在本文中,我们提出了一个泛化,允许的权重是负的,和他们的总和不同,从一个,并允许一个永久性的添加剂之间的差异处理单元和控制,类似于差异的程序。权重直接最小化处理单元和控制单元的滞后结果之间的距离,使用正则化方法来处理潜在的大量可能的控制单元。
2017-09-20 stat.AP stat.ML
Identification and Inference for Synthetic Controls with Confounding
本文在存在未观测混杂的面板数据中,利用随机因子模型研究处理效应的识别与推断,揭示时间与个体层面混杂的权衡,并为多种合成控制估计量建立渐近推断结果。
2023-12-01 econ.EM math.ST stat.ME
Efficiently Learning Synthetic Control Models for High-dimensional Disaggregated Data
North Carolina State University(北卡罗来纳州立大学);Amazon.com Services, Inc.(亚马逊服务公司);Massachusetts Institute of Technology(麻省理工学院)
针对高维分解数据中合成控制方法的计算效率问题,提出整合多元平方根Lasso的新方法,严格推导误差界,并在模拟和COVID-19居家令对县级失业率影响评估中验证其高效且准确。
2025-10-26 econ.TH stat.ME stat.ML
Dynamical systems theory for causal inference with application to synthetic control methods
本文将非线性时间序列分析的结果应用于动态环境下的因果推断。我们的动机是政策分析与面板数据,特别是通过使用“综合控制”的方法。这些方法将治疗单元的干预前结果回归到对照单元池的结果,然后使用拟合的回归模型来估计干预后的因果效应。在这种情况下,我们建议筛选出控制单元,有一个弱的动态关系的治疗单位。在模拟中,我们表明,这种方法可以减轻偏见的“樱桃采摘”的控制单元,这通常是一个重要的问题。我们说明了现实世界的应用程序,包括烟草立法的例子\citet{Abadie2010},和英国脱欧。
2020-02-29 stat.ME
Mediation Analysis Synthetic Control
综合控制方法(SCM)允许在可获得少量治疗和对照单位的面板数据的情况下估计干预的因果效应。我们表明,现有的SCM,以及它的扩展,可以很容易地修改,以估计有多少的“总”的影响,通过观察到的因果通道。我们新的中介分析综合控制(MASC)方法需要额外的假设,可以说是温和的,在许多设置。我们说明了实施MASC的实证应用估计的直接和间接影响的反吸烟干预(加州的99号提案)。
2022-05-19 stat.AP
Noise-Aware Statistical Inference with Differentially Private Synthetic Data
University of Helsinki(赫尔辛基大学);Aalto University(阿尔托大学);University of Manchester(曼彻斯特大学)
虽然在数据隐私社区中,差分隐私(DP)下的合成数据的生成受到了很多关注,但合成数据的分析却少得多。现有的工作表明,简单地分析DP合成数据,就好像它是真实的一样,不会产生有效的人口水平数量的推断。例如,置信区间变得太窄,我们用一个简单的实验来证明。我们解决这个问题,结合合成数据分析技术,从该领域的多重插补(MI),合成数据生成使用噪声感知(NA)贝叶斯建模到一个管道NA+MI,允许计算准确的不确定性估计人口水平的数量从DP合成数据。为了实现NA+MI的离散数据生成使用的边缘查询的值,我们开发了一种新的噪声感知的合成数据生成算法NAPSU-MQ使用最大熵的原则。我们的实验表明,管道是能够产生准确的置信区间DP合成数据。间隔变得更宽,隐私更紧,以准确捕获DP噪声带来的额外不确定性。
2023-02-24 cs.CR cs.LG stat.ML
DECAF: Generating Fair Synthetic Data Using Causally-Aware Generative Networks
University of Cambridge(剑桥大学);University of California, Los Angeles(加利福尼亚大学洛杉矶分校);The Alan Turing Institute(艾伦图灵研究所)
机器学习模型因在训练数据中反映不公平的偏见而受到批评。我们不是通过直接引入公平学习算法来解决这个问题,而是专注于生成公平的合成数据,这样任何下游学习器都是公平的。从不公平的数据生成公平的合成数据-同时保持对底层数据生成过程(DGP)的真实性-是不平凡的。在本文中,我们介绍了DECAF:一个基于GAN的公平合成数据生成器的表格数据。使用DECAF,我们将DGP显式地嵌入生成器的输入层中作为结构因果模型,允许每个变量以其因果父变量为条件进行重建。这个过程使推理时间去偏置,其中偏置的边缘可以被策略性地移除,以满足用户定义的公平性要求。DECAF框架是通用的,与几种流行的公平性定义兼容。在我们的实验中,我们表明,DECAF成功地消除了不必要的偏见,并与现有的方法相比,能够生成高质量的合成数据。此外,我们提供了理论保证的发电机的收敛性和下游模型的公平性。
2021-11-04 cs.LG stat.ML
A Constraint-Aware Generative Framework for Synthetic Origin-Destination Demand in Logistics Networks
该研究针对物流网络合成需求生成的约束适配问题,提出考虑约束的条件生成框架,经工业数据验证较基线方法提升16%,可用于容量规划等场景。
2026-09-07 cs.LG cs.SY eess.SY
FairFinGAN: Fairness-aware Synthetic Financial Data Generation
University of Koblenz(科伦兹大学);Hanoi University of Science and Technology(河内科学技术大学);Banking Academy of Vietnam(越南银行学院);University of Sheffield(谢菲尔德大学)
FairFinGAN通过引入公平性约束生成公平且实用的合成金融数据,有效减少偏见并提升数据实用性。
2026-03-05 cs.LG
Training-Aware Target Coverage for Synthetic Data Selection
Arizona State University(亚利桑那州立大学)
本文提出训练感知的目标覆盖(TATC)方法,基于线性理论量化合成数据对目标任务的边际价值,在微调中通过选择有益候选并扩展目标相关覆盖,在数学推理任务上优于其他选择方法。
2026-10-02 cs.AI 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
HuLA: Prosody-Aware Anti-Spoofing with Multi-Task Learning for Expressive and Emotional Synthetic Speech
Department of Electrical and Computer Engineering, Johns Hopkins University(电气与计算机工程系,约翰霍普金斯大学)
本文提出HuLA,一种两阶段韵律感知多任务学习框架,通过SSL骨干网络和韵律辅助任务提升防欺骗系统对表现力与情感合成语音的检测鲁棒性,实验证明其在跨域攻击上优于强基线。
2025-09-25 cs.LG cs.SD eess.AS
Beyond Synthetic Augmentation: Group-Aware Threshold Calibration for Robust Balanced Accuracy in Imbalanced Learning
Pine Crest School(皮尼特里学校)
针对类别不平衡问题,提出群组感知阈值校准方法,通过为不同群组设置差异化决策阈值优化帕累托前沿,在7类模型上相比SMOTE、CT-GAN等合成增强方法实现了1.5-4%更高的平衡准确率且更简单可解释。
2025-08-29 cs.AI cs.LG
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
Semantic Segmentation under Adverse Conditions: A Weather and Nighttime-aware Synthetic Data-based Approach
Lancaster University(兰卡斯特大学);Universidade Federal de Minas Gerais(米纳斯吉拉斯联邦大学)
最近的语义分割模型在标准天气条件和充足的光照下表现良好,但在恶劣天气条件和夜间表现不佳。在这些条件下收集和注释训练数据是昂贵的、耗时的、容易出错的,并且并不总是实用的。通常,使用合成数据作为可行的数据源以增加训练数据的量。然而,直接使用合成数据实际上可能会损害模型在正常天气条件下的性能,而在不利情况下只能获得很小的收益。因此,我们提出了一种新的架构,专门设计用于使用合成训练数据的领域自适应。我们提出了一个简单而强大的添加到DeepLabV3+通过使用天气和一天中的时间监督员训练多任务学习,使天气和夜间意识,这提高了其mIoU准确性的$14$百分点ACDC数据集上,同时保持$75\%$ mIoU的分数在城市景观数据集上。我们的代码可在https://github.com/lsmcolab/Semantic-Segmentation-under-Adverse-Conditions上获得。
2022-10-11 cs.CV cs.GR cs.LG
Dependency-aware synthetic tabular data generation
Institute of Computer Science, University of Rostock, Germany(罗斯托克大学计算机科学研究所);Leibniz-Institute for Food Systems Biology, Technical University of Munich, Freising, Germany(马克斯·普朗克食品系统生物学研究所,慕尼黑技术大学);Stellenbosch Institute for Advanced Study, South Africa(斯坦伦博斯高级研究学院,南非);School of Data Science, Indian Institute of Science Education(印度科学教育与研究学院数据科学学院)
针对合成表格数据难以保持函数与逻辑依赖的问题,提出HFGF框架,先生成独立特征再依据规则重建依赖特征,并在多基准、六类模型上验证其结构保真度与下游效用提升。
2025-07-25 cs.LG
WHERE to Generate Matters: Budget-Aware Synthetic Augmentation for Label Skewed Federated Learning
Chung-Ang University(中央大学)
研究标签倾斜联邦学习问题,提出FedEAS策略,根据客户端本地标签分布分配熵自适应生成预算,决定生成量与样本流向,在大幅减少生成预算的同时恢复准确性提升,性能优于均匀分配。
2026-07-09 cs.AI cs.CV cs.LG
Differentially Private Synthetic Data Generation Using Context-Aware GANs
Computer Science The University of Texas at El Paso El Paso, US(计算机科学 德克萨斯理工大学埃尔帕索分校);C.S.E.E. University of Maryland, Baltimore County Baltimore, US(计算机科学与工程系 马里兰大学巴尔的摩县分校)
本文提出ContextGAN,一种结合领域规则和差分隐私的生成对抗网络,用于生成高质量且符合隐私保护的合成数据,提升真实性和实用性。
2025-12-09 cs.AI cs.CR cs.LG
VioPTT: Violin Technique-Aware Transcription from Synthetic Data Augmentation
Sony Computer Science Laboratories, Inc.(索尼计算机科学实验室有限公司);Institute of Information Science, Academia Sinica(学术院信息研究所);Graduate Institute of Communication Engineering, National Taiwan University(国立台湾大学通信工程研究所);Original Content Center, Gamania Inc.(Gamania公司原创内容中心)
VioPTT 是首个结合小提琴转录与演奏技巧预测的统一框架,通过合成数据集提升转录性能。
2026-02-03 cs.LG cs.SD
PEARL: A Task-Aware Framework for Evaluating Differentially Private Synthetic Educational Data
The University of Hong Kong(香港大学)
PEARL框架通过多维度检查评估差分隐私合成教育数据,发现多数数据集因遗漏关键组或顺序问题被拒,且隐私保护不保证任务有用性。
2026-09-11 cs.CR cs.LG
Physics-aware Deep Generative Models for Creating Synthetic Microstructures
Iowa State University(爱荷华州立大学)
计算材料科学中的一个关键问题涉及理解材料分布的影响(即,微观结构)对材料性能的影响。所面临的挑战是合成微结构,给定有限数量的微结构图像,和/或微结构表现出的一些物理不变性。传统的方法是基于随机优化和计算密集型。我们介绍了三个生成模型的快速合成二进制微结构图像。第一个模型是WGAN模型,它使用有限数量的训练图像来合成新的微结构,这些微结构弱地满足原始数据所遵循的物理不变性。第二个模型通过用不变性检查器替换GAN中的传统的不变性来显式地强制已知的物理不变性。我们的第三个模型结合了前两个模型来重建微观结构,既尊重显式物理不变性,也尊重从图像数据中学习到的隐式约束。我们通过重建表现出粗化行为的两相微观结构来说明这些模型。训练的模型也表现出有趣的潜变量插值行为,结果表明相当大的承诺,在微观结构合成过程中执行用户定义的物理约束。
2018-11-21 cond-mat.mtrl-sci cs.LG physics.comp-ph
Differentially Private Synthetic Control
Columbia University(哥伦比亚大学)
合成控制是一种因果推理工具,用于通过创建合成的反事实数据来估计干预措施的治疗效果。这种方法结合了来自其他类似观测的测量结果(即,供体库)来预测感兴趣的反事实时间序列(即,目标单位)通过分析干预前目标和供体库之间的关系。随着合成控制工具越来越多地应用于敏感或专有数据,通常需要正式的隐私保护。在这项工作中,我们提供了第一个算法差分私人合成控制显式误差界。我们的方法建立在非私人合成控制和差异私人经验风险最小化的工具。我们提供的合成控制查询的灵敏度上的上限和下限,并提供明确的误差界限,我们的私人合成控制算法的准确性。我们表明,我们的算法产生准确的预测目标单位,隐私的成本很小。最后,我们经验性地评估我们的算法的性能,并显示出良好的性能,在各种参数制度,以及提供指导,从业者的超参数调整。
2023-03-24 cs.DS cs.LG stat.ML
Incentive-Aware Synthetic Control: Accurate Counterfactual Estimation via Incentivized Exploration
J.P. Morgan Chase AI Research(J.P. Morgan Chase人工智能研究);University of California, Berkeley(加州大学伯克利分校);Columbia University(哥伦比亚大学);Stanford University(斯坦福大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出了一种激励合成控制方法,通过激励探索实现准确的反事实估计,无需先验重叠假设,并扩展至合成干预场景。
2026-02-24 cs.GT cs.LG econ.EM
FedEHR-Gen: Federated Synthetic Time-Series EHR Generation via Latent Space Alignment and Distribution-Aware Aggregation
McGill University(麦吉尔大学);Mila - Quebec AI Institute(魁北克人工智能研究所);Ohio University(俄亥俄大学)
提出FedEHR-Gen,首个用于跨分布式医院合成时间序列电子健康记录的联邦框架,通过两阶段学习(联邦自编码器对齐潜在空间和联邦TCVAE分布感知聚合)解决高维稀疏和异质性挑战,在eICU和MIMIC-III上达到与集中训练相当的生成质量。
2026-05-27 cs.LG
PAMTRI: Pose-Aware Multi-Task Learning for Vehicle Re-Identification Using Highly Randomized Synthetic Data
NVIDIA(英伟达);Amazon(亚马逊)
与研究界广泛研究的人员重新识别(ReID)相比,车辆ReID受到的关注较少。车辆ReID具有挑战性,因为1)高类别内可变性(由形状和外观对视点的依赖性引起),以及2)小类别间可变性(由不同制造商生产的车辆之间的形状和外观相似性引起)。为了应对这些挑战,我们提出了一个姿势感知多任务重新识别(PAMTRI)框架。该方法与以往方法相比有两个创新点。首先,它克服了视点依赖性,通过关键点,热图和来自姿态估计的片段明确推理车辆姿态和形状。其次,它通过嵌入式姿势表示的多任务学习,在执行ReID的同时对语义车辆属性(颜色和类型)进行联合分类。由于手动标记图像的详细姿态和属性信息是禁止的,我们创建了一个大规模的高度随机化的合成数据集,自动注释车辆属性进行训练。大量的实验验证了每个组件的有效性,表明PAMTRI在两个主流车辆ReID基准:VeRi和CityFlow-ReID上实现了比最先进的显着改进。代码和型号可在https://github.com/NVlabs/PAMTRI上获得。
2020-05-02 cs.CV cs.LG eess.IV
Gradient Compression May Hurt Generalization: A Remedy by Synthetic Data Guided Sharpness Aware Minimization
Department of Information and Communication Engineering, Zhejiang University(浙江大学信息与通信工程学院);Zhejiang Provincial Key Laboratory of Multi-Modal Communication Networks and Intelligent Information Processing(浙江省多模态通信网络与智能信息处理重点实验室);Department of Electrical and Computer Engineering, North Carolina State University(北卡罗来纳州立大学电子与计算机工程系)
本文提出FedSynSAM,通过合成数据引导尖锐性感知最小化,解决联邦学习中梯度压缩导致泛化能力下降的问题。
2026-02-12 cs.AI cs.LG
Synthetic data enables context-aware bioacoustic sound event detection
1 Earth Species Project, USA 2 Universidad de Le\'on, Spain 3 University of California, Berkeley, USA 4 Universidad de Valladolid, Spain
本文提出利用合成数据训练基础模型,增强其在生物声学中的上下文学习能力,实现少样本声音事件检测,并公开基准,性能提升64%。
2025-09-05 cs.LG cs.SD eess.AS
Synthetic CVs To Build and Test Fairness-Aware Hiring Tools
Universitat Pompeu Fabra(庞培法布拉大学)
针对算法招聘偏见研究缺乏多样化简历数据的问题,本文基于真实捐赠材料建模特征,构建含1,730份简历的合成数据集,以支持公平性技术的评估与比较。
2025-08-28 cs.CY cs.IR cs.LG
Thinkquel: A Model Dedicated to Text-to-dbt Using Synthetic Data and a Span-Aware Objective
TensorStax
针对自然语言转数据转换流程的准确率低、训练信号不匹配等问题,提出融合合成数据流水线、跨度感知强化学习目标与TS-GRPO的Thinkquel模型,显著提升执行成功率与结果匹配率,增强训练稳定性。
2025-10-02 cs.AI cs.LG
SynCo: Synthetic Community-Aware Attributed Graph Generator for Graph Neural Network Benchmarking
Federal University of São Carlos(圣卡洛斯联邦大学);Federal University of Mato Grosso do Sul(南马托格罗索联邦大学)
SynCo是一种社区感知的属性图生成器,允许用户控制度分布和子社区结构,在图模仿、超参数评估和节点聚类任务中优于现有方法,并能生成多达210万节点的大规模图。
2026-09-11 cs.LG cs.SI
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
PRISM: Differentially Private Synthetic Data with Structure-Aware Budget Allocation for Prediction
PRISM通过结构感知预算分配提升预测准确性,结合因果、图和预测阶段优化合成数据生成。
2026-02-10 cs.LG
Explainable, Physics Aware, Trustworthy AI Paradigm Shift for Synthetic Aperture Radar
识别或理解SAR系统观察到的场景需要更广泛的线索,超出了空间背景。这些包括但不限于:成像几何结构、成像模式、图像的傅立叶光谱的性质或偏振特征的行为。在本文中,我们提出了一个范式的变化,在数据科学的情况下,合成孔径雷达(SAR)数据的可解释性接地SAR的可解释的AI。它旨在使用基于完善模型的可解释数据转换来生成人工智能方法的输入,为训练过程提供知识反馈,并从数据中学习或改进高复杂性未知或非形式化模型。首先,我们介绍了SAR系统的物理层的表示:i)仪器和平台,ii)成像形成,iii)散射特征和对象,可以与AI模型集成进行混合建模。随后,给出了一些示例来演示如何实现SAR图像理解的混合建模。可信模型的观点和补充解释将在后面讨论。最后,我们得出结论,我们认为所提出的概念是适用于整个类的相干成像传感器和其他计算成像系统。
2023-01-09 cs.AI cs.CV cs.LG
A Correlation- and Mean-Aware Loss Function and Benchmarking Framework to Improve GAN-based Tabular Data Synthesis
Umeå University(于默奥大学)
针对GAN合成表格数据难以捕捉真实分布的问题,提出相关性与均值感知损失函数作为正则化器,并在十个数据集和八个基线上验证,显著提升数据质量及下游ML性能。
2024-05-27 cs.LG
A Proof-of-Concept Simulation-Driven Digital Twin Framework for Decision-Aware Diabetes Modeling
Software & Data Engineer | ML & AI Systems(软件与数据工程师 | 机器学习与人工智能系统)
本文提出一种基于模拟的数字孪生框架,利用基准临床数据、合成时间增强和示例连续血糖监测分析,用于糖尿病建模。该框架生成可解释的模拟轨迹而非传统预测模型的临床验证结果,通过公开数据集和受控合成场景评估时间行为和干预效果。
2026-05-11 cs.LG
Socially Aware Synthetic Data Generation for Suicidal Ideation Detection Using Large Language Models
University of Ottawa(渥太华大学);National Research Council Canada(加拿大国家研究委员会)
本研究利用ChatGPT等大语言模型生成基于社会因素的合成数据,用于自杀意念检测,以解决数据稀缺问题,并显著提升模型性能至F1分数0.88。
2024-01-25 cs.AI cs.CL cs.LG
Pretrain on Small Synthetic Data, Scale Large for Free: Symmetry-Aware Foundation Model for Logic Rule Induction
Institute of Science Tokyo(东京科学大学)
该研究提出一种感知对称性的逻辑规则归纳基础模型,通过构造强制对称性将小型合成数据预训练的Neural Rule Inducer扩展至更大模式,提升了规则的可迁移性与保真度。
2026-08-04 cs.AI cs.LG cs.LO
PATTERN Can Be Solved from Memory: Testing Graph Neural Networks on Unseen Patterns
University of Zanjan(赞詹大学)
该研究针对合成节点分类基准PATTERN,提出无需训练参数的匹配器基线,其准确率优于现有模型,还建议合成基准报告新模板得分等。
2026-11-16 cs.LG
VSMP-IMU: Video-Grounded Semantic Motion Programs for Sensor-Aware Synthetic IMU Generation
DFKI(德国人工智能研究中心);RPTU Kaiserslautern-Landau(凯撒斯劳滕-兰道工业大学)
本文提出VSMP-IMU框架,基于结构化SMP生成可控合成IMU数据,在五个公开IMU-HAR数据集的多场景评估中,显著提升了HAR模型的性能。
2026-08-07 cs.CV cs.LG
Do Stochastic Parrots have Feelings Too? Improving Neural Detection of Synthetic Text via Emotion Recognition
School of Computing, Dublin City University(都柏林城市大学计算学院);SFI Centre for Research Training in Machine Learning at Dublin City University(都柏林城市大学SFI机器学习研究培训中心);School of Computer Science and Statistics, Trinity College Dublin(都柏林圣三一学院计算机科学与统计学院)
针对预训练语言模型生成文本时缺乏情感驱动导致情感不连贯的问题,通过在情感数据上微调PLM开发情感感知检测器,在多种生成器、模型规模、数据集及领域均获显著提升,并超越ChatGPT自身识别能力。
2023-10-24 cs.CL cs.LG
Brain-Aware Replacements for Supervised Contrastive Learning in Detection of Alzheimer's Disease
University of Washington(华盛顿大学)
我们提出了一个新的框架阿尔茨海默氏病(AD)检测使用脑MRI。该框架从一种名为大脑感知替换(BAR)的数据增强方法开始,该方法利用标准的大脑分割来替换随机挑选的MRI中锚定MRI中的医学相关3D大脑区域,以创建合成样本。地面实况“硬”标签也根据替换比率线性混合,以便创建“软”标签。BAR产生了各种各样的逼真的合成MRI,与其他基于混合的方法(如CutMix)相比,具有更高的局部变异性。在BAR之上,我们建议使用具有软标签能力的监督对比损失,旨在学习表示的相对相似性,以反映使用我们的软标签的合成MRI的混合程度。这样,我们不会完全耗尽硬标签的熵容量,因为我们只使用它们通过BAR创建软标签和合成MRI。我们表明,使用我们的框架预训练的模型可以使用用于创建合成样本的硬标签通过交叉熵损失进行进一步微调。我们验证了我们的框架在二进制AD检测任务中对从头开始的监督训练和最先进的自监督训练加微调方法的性能。然后,我们评估了BAR的个人性能相比,另一个混合的方法CutMix集成在我们的框架。我们表明,我们的框架产生优越的结果,在精度和召回的AD检测任务。
2022-07-20 cs.CV cs.LG
Efficient Reasoning Distillation: Small Video-Language Models via Synthetic CoT and Difficulty-Aware Fine-Tuning
Liverpool John Moores University(利物浦约翰摩尔大学);Carnegie Mellon University(卡内基梅隆大学);Meta;University of Texas at Arlington(德克萨斯大学阿灵顿分校)
本研究提出一种高效推理蒸馏方法,通过约900个不确定性筛选示例和4B教师生成的合成思维链微调2B视频语言模型,在极低计算成本下超越4倍规模模型,并发现将思维链置于答案后可显著提升紧凑模型推理能力。
2026-09-16 cs.AI cs.CV cs.LG
Privacy-Aware Time Series Synthesis via Public Knowledge Distillation
JPMorgan AI Research(摩根大通人工智能研究)
本文提出Pub2Priv框架,利用自注意力机制编码异构公共知识作为扩散模型条件输入生成隐私感知时间序列,并引入可识别性评估指标,在金融、能源等领域显著提升了隐私与效用的权衡。
2025-11-01 cs.LG
Where to Intervene? Benchmarking Fairness-Aware Learning on Differentially Private Synthetic Tabular Data
ÉTS Montréal(蒙特利尔高等商学院);Inria Grenoble(格勒诺布尔计算机科学及自动化研究所)
研究在差分隐私合成表格数据上公平干预的效果,以自适应迭代机制为基准,在多数据集、指标及策略下评估,比较四种管道配置,发现仅DP会降效,公平干预可部分恢复公平,后处理方法权衡更优,还开源相关内容以支持研究。
2026-07-29 cs.AI cs.CR cs.LG
Explainable AI for Screening Abuse-Related Trauma in Bangladeshi Children: A Training-Free Multimodal Framework Evaluated on Noise-Aware Synthetic Data
One-Stop Crisis Centres (OCC)(一站式危机中心(OCC));Department of Social Services (DSS)(社会服务部(DSS))
针对孟加拉国儿童虐待相关心理创伤筛查工具缺失问题,提出无训练多模态融合框架ShishuRaksha AI,经噪声感知合成数据评估,该融合模型AUC达0.874,为低资源环境下儿童保护筛查提供可行性研究和设计贡献。
2026-07-07 cs.AI cs.CL cs.CY
DADIR: Density-Aware Data-level Imbalanced Regression Framework
University of Zanjan(赞詹大学)
针对不平衡回归难题,提出DADIR框架,含密度感知自适应划分、密度正则化条件变分自编码器和潜在空间数据平衡三个组件,能有效识别少数区域、保留稀疏区域信息并生成合成数据,提升不平衡回归数据集预测性能。
2026-07-21 cs.AI cs.LG