Benutzer: Gast  Login
Dokumenttyp:
Masterarbeit
Autor(en):
Elisabeth Griesbauer
Titel:
Vine Copula Based Synthetic Data Generation for Classification
Abstract:
Generating synthetic data enables research on data, which due to privacy protection must not be published, such as patient data. Synthetic data can also augment existing (real) data, if they are limited. Commonly used methods for synthetic data generation, such as generative adversarial networks (GANs) (Goodfellow et al. (2014)) or variational auto encoders (VAEs) (Kingma and Welling (2013)), are based on neural networks. This makes their training intensive and, especially in the case of GANs, d...     »
übersetzter Abstract:
Synthetische Daten ermöglichen Forschung dort, wo aus Datenschutzgründen Daten nicht veröffentlicht werden können, wie beispielsweise Patientendaten aus medizinischen Studien. Ebenso können synthetische Daten einen bestehenden Datensatz vergrößern, wenn dieser wenige Beobachtungen beinhaltet. Gängige Methoden zur Erzeugung synthetischer Daten, wie Generative Adversarial Networks (GANs) (Goodfellow et al. (2014)) oder Variational Auto Encoders (VAEs) (Kingma and Welling (2013)), basieren auf neur...     »
Fachgebiet:
MAT Mathematik
DDC:
510 Mathematik
Aufgabensteller:
Claudia Czado
Betreuer:
Claudia Czado, Arnoldo Frigessi (external), Ingrid Hobæk Haff (external)
Jahr:
2022
Quartal:
3. Quartal
Jahr / Monat:
2022-07
Monat:
Jul
Seiten/Umfang:
147
Sprache:
en
Hochschule / Universität:
Technische Universität München
Fakultät:
Fakultät für Mathematik
TUM Einrichtung:
Professur für Angewandte Mathematische Statistik
Format:
Text
Annahmedatum:
11.07.2022
 BibTeX