有人复现ICML2018论文GAIN: Missing Data Imputation using Generative Adversarial Nets吗?

1.ICML2018的一篇论文提出了一种新的对数据进行填补的方法
文中针对提出的方法和其他的数据填补方法(MICE、MissForest、Matrix、Auto-encoder、EM)进行了对比,以下是对比结果
图片说明
有人复现出这个结果了吗?

0
m0_37548423
Dxy17 回复IT_LYP: 我在github上找到了,https://github.com/jsyoon0823/GAIN
大约 2 个月之前 回复
l2014204559
IT_LYP 你好,请问,你找到这篇论文的复现代码了吗?或者你有没有其他深度学习论文复现的代码可以分享一下?谢谢啦~
大约 2 个月之前 回复
Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
ICML2018论文GAIN补充材料
此论文是GAIN:Missing Data Imputation using Generative Adversarial Nets 的 Supplementary Materials,里面包括论文公式推导以及代码参数设置
用GAN填补缺失数据_ICML2018论文
此论文是ICML2018的一篇缺失值填补的论文,论文中采用生成对抗网络(GAN)来填补。
论文阅读笔记(四十六):Generative Adversarial Nets
Abstract We propose a new framework for estimating generative models via an adversarial process, in which we simultaneously train two models: a generative model G that captures the data distribution,...
生成对抗网络GAN系列(一)--- Generative Adversarial Nets(原始GAN)--- 文末附代码
GAN网络系列之(一) ---  Generative Adversarial Nets ---文末附代码 论文链接:https://arxiv.org/abs/1406.2661, 1.简述 作者提出了一个通过对抗过程估计生成模型的新框架,在新框架中同时训练两个模型:一个用来捕获数据分布的生成模型G,和一个用来估计样本来自训练数据而不是G的概率的判别模型D,G的训练过程是最大化D产生...
vc6.0移植到vs2008下问题总结
最近由于要在SISCO的MMS库基础上开发,需将开发平台由VC6.0升级至VS2008,所以需要将原有的项目迁移,免不了碰到移植上的一些问题,特将它们归纳如下: 1 消息映射 VS2008对消息的检查更为严格,以前在VC6下完全正常运行的消息映射在VS2008下编译不通过 a. ON_MESSAGE(message,OnMyMessage); OnMyMessage返回值必须为LRESUL
个人总结:Generative Adversarial Nets GAN原始公式的得来与推导
根据文章所述, 为原始数据, 使用的噪声数据,,   为batch_size的大小。 而  为通过生成器生成的数据,也就是说 与是能够互相对立的竞争对手。生成器生成了妄图模拟到的效果达到“欺骗”判别器的目的。    ............................(1) 对于判别器来说,其中是判别器认定为真假的概率,在0到1之间,这个地方大家很容易理所当然,一定要记住记住记住,因为对...
生成对抗网络学习笔记1----论文Generative Adversarial Nets
1、阅读论文:Goodfellow I J, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets[C]// International Conference on Neural Information Processing Systems. MIT Press, 2014:2672-2680.论文地址:GANs2、翻译论文摘要我们
生成式对抗网络(Generative Adversarial Nets,GAN)
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Ma...
学习笔记:生成对抗网络(Generative Adversarial Nets)(附代码)
同时训练两个模型:(1)生成模型G,不断捕捉训练库里真是图片的概率分布,将输入的随机噪声转变成新的样本(即假数据),使其像是一个真的图片。(2)判别模型D,用来估计一个样本来自训练数据的概率,即它可以同时观察真是和假造的数据,并判断这个数据的真假(这个数据是不是从数据集中获取的图片)。在训练的过程中让两个网络互相竞争。刚开始的时候这两个模型均未经过训练,然后生成模型产生一张假数据欺骗判别模型,判别模
论文生成对抗网络
转载地址:http://blog.csdn.net/amds123/article/details/53791705 The First paper ✅ [Generative Adversarial Nets] [Paper] [Code](the first paper about it) Unclassified ✅ [Deep Generative Imag
【深度学习】生成对抗网络Generative Adversarial Nets
介绍非监督深度学习经典论文GAN(Generative Adversarial Nets)
生成对抗网络GANs(笔记一)主线
生成式对抗网络(Generative Adversarial Nets, GAN) 一、发展历程: 最开始接触GANs是因为想了解有关于在少量数据的情况下如何做数据增广。然后就了解到了DCGAN生成手写数字的案例,简直是惊为天人,然今才逐渐开始了解生成对抗网络的思想。到了后来一直想用生成对抗网络的思想做语音识别和语音合成这一方面,一直找到合适的资料。再后来,鬼使神差的想结合GANs来做毕业论文...
GAN最全论文合集
先敬大佬 LeCun first selects one exemplar breakthrough. (Quora) The most important one, in my opinion, is adversarial training (also called GAN for Generative Adversarial Networks). This is an idea tha...
【GAN ZOO阅读】Generative Adversarial Nets 生成对抗网络 原文翻译 by zk
Ian J. Goodfellow, Jean Pouget-Abadie ∗ , Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair † , Aaron Courville, Yoshua Bengio ‡ Département d’informatique et de recherche opérationnelle 蒙特...
(CGAN)Conditional Generative Adversarial Nets
条件生成对抗网络(CGAN), tensorflow实现
东南大学 崇志宏 转载“目前的对抗学习文献” 其中Triple GAN值得关注!!
东南大学 崇志宏 转载 关于生成对抗网络(GAN)的新论文每周都会出现很多,跟踪发现他们非常难,更不用说去辨别那些研究人员对 GAN 各种奇奇怪怪,令人难以置信的创造性的命名!当然,你可以通过阅读 OpanAI 的博客或者 KDNuggets 中的概述性阅读教程,了解更多的有关 GAN 的信息。 在这里汇总了一个现在和经常使用的GAN论文,所有文章都链接到了 Arxiv 上
StarGAN:支持多领域图像生成的生成对抗网络实践
GAN家族在CVPR2018时候迎来一个新强悍的成员,即:StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation 。从这个题目可以看出,它与之前的pix2pix等相比,能够支持一生多。1、论文原理  GAN的基本框架都是G和D两个模型,一个生成模型,一个判别模型,那么为...
生成对抗网络GAN系列(二)--- Conditional Generative Adversarial Nets(cGAN 条件GAN)--- 文末附代码
生成对抗网络GAN系列(二) --- Conditional Generative Adversarial Nets(cGAN 条件GAN) ---文末附代码 Conditional Generative Adversarial Nets  论文链接:https://arxiv.org/abs/1411.1784   1.简介 Conditional GAN 是在原始GAN之后一个...
2018 CVPR GAN 相关论文调研 (自己分了下类,附地址哦)
2018 CVPR GAN 相关论文调研 风格迁移 1. PairedCycleGAN: Asymmetric Style Transfer for Applying and Removing Makeup (给人脸化妆的风格转移) http://openaccess.thecvf.com/content_cvpr_2018/papers/Chang_PairedCycleGAN_Asym...
(DCGAN)Deep convolutional Generative Adversarial Nets
基于tensorflow实现的DCGAN,自动生成动漫头像(内有头像数据爬取和裁剪函数),也可以生成任意数据集(将数据文件夹放于data文件夹下即可,如data/faces/*.jpg)
Gan(Generative Adversarial Net)学习笔记(1)--- Gan的基础理论
注:参考自知乎用户 何之源的《GAN学习指南:从原理入门到制作生成Demo》以及       ‘机器之心’的《独家 | GAN之父NIPS 2016演讲现场直击:全方位解读生成对抗网络的原理及未来》。 -------------------------------------------------------------------------------------------------
生成对抗网络(Generative Adversarial Nets)——GAN
目录 一、生成对抗网络的定义及优势 二、生成对抗网络原理深入理解 GAN基础思想: 实际中的GAN: 三、生成对抗网络的训练过程 一、生成对抗网络的定义及优势 GAN 主要包括了两个部分,即生成器 (generator)与判别器 (discriminator)。 (1)生成器主要用来学习真实图像分布从而让自身生成的图像更加真实,以骗过判别器。 (2)判别器则需要对接收...
生成对抗网络学习笔记2----GANs(Generative Adversarial Nets)总结
原文地址:GANs翻译地址:生成对抗网络此文是对论文Generative Adversarial Nets读后的一个总结。参考博客1:地址 参考博客2:地址 参考新闻3:地址 参考Twitter4:地址1、简单总结GAN是一个极大极小博弈问题,网络中分为两个模型,一个生成模型G,作为生成器,用来生成与真实数据x极为相似的含有噪音z的数据;一个判别模型D,作为判别器,用来判别数据中哪些是真实数据
Generative Adversarial Nets
Generative Adversarial Nets
细小人脸检测的实践(Finding Tiny Faces论文代码复现)
https://www.cs.cmu.edu/~peiyunh/tiny/这个主页上介绍了CVPR中的一篇文章,关于细小人脸检测的。小物体检测一直还是CV界比较有挑战的一个问题。从作者的摘要可以看出,主要完成了以下三个工作: We explore three aspects of the problem in the context of finding small faces:  (1)th
【NIPS 2018】完整论文下载链接
NeurIPS2018的论文已经开放下载,本文总结了论文的pdf页面。直接点击对应论文即可访问对应的pdf下载页面。 如果希望Batch—>所有论文链接 [1] Efficient Algorithms for Non-convex Isotonic Regression through Submodular OptimizationAuthors: Francis Bach [2] ...
图像结构样式分开生成的生成模型论文代码
本文转自微信公众号擦createamind 图像结构样式分开生成的生成模型论文代码 2016-09-29 zdx3578 大脑模拟 Generative Image Modeling using Style andStructure Adversarial Networks Xiaolong Wang, Abhinav Gupta
GAN论文整理
原始GAN Goodfellow和Bengio等人发表在NIPS 2014年的文章Generative adversary network,是生成对抗网络的开创文章,论文思想启发自博弈论中的二人零和博弈。在二人零和博弈中,两位博弈方的利益之和为零或一个常数,即一方有所得,另一方必有所失。GAN模型中的两位博弈方分别由生成式模型(generative model)和判别式模型(discrimina
Generative adversarial nets
提出了一个通过对抗过程估计生成模型的新框架,在新框架中我们同时训练两个模型:一个用来捕获数据分布的生成模型G,和一个用来估计样本来自训练数据而不是G的概率的判别模型D,G的训练过程是最大化D产生错误的概率。这个框架相当于一个极小化极大的双方博弈。
AT-GAN:A Generative Attack Model译文
对《AT-GAN:A Generative Attack Model for Adversarial Transferring on Generative Adversarial Nets》进行了翻译,便于研究
关于semantic segmentation的几篇论文
博客首发至Marcovaldo’s blog (http://marcovaldong.github.io/) 最近两周都在看semantic segmentation的论文,今天做一个总结,内容跟机器之心的从全卷积网络到大型卷积核:深度学习的语义分割全指南有很大的重复,我尽量多写一些细节,帮助自己更好地理解。 FCN 这是2014年加州大学伯克利的一篇工作,采用的是全卷积结构(Full
步态识别gaitgan论文
GaitGAN: Invariant Gait Feature Extraction Using Generative Adversarial Networks
论文笔记:Adversarial Net与IQA
论文一: 2018年CVPR: Hallucinated-IQA: No-Reference Image Quality Assessment via Adversarial Learning @article{Lin2018Hallucinated, title={Hallucinated-IQA: No-Reference Image Quality Assessment via Ad...
GAN对抗网络相关资源
AdversarialNetsPapers The classical Papers about adversarial nets The First paper ✅ [Generative Adversarial Nets] [Paper] [Code](the first paper about it) Unclassified ✅ [Deep Gener
SegAN——蠢的一匹的个人翻译
标题:segan:对抗网络,拥有多尺度l1loss,用于医疗图像分割   摘要:新的端对端对抗网络segan。图像分割需要西密度,像素级的label,单个标量的真/假的gan的DC的输出可能是不充分的,而不能生产稳定而有效的梯度回馈给网络。 我们用了FCN网络作为分割器,来生成分割的label,并用一个新的对抗critic(批评)网络(多尺度l1loss)来强制DC和分割器来学习both全局
经典论文复现 | ICML 2017大热论文:Wasserstein GAN
过去几年发表于各大 AI 顶会论文提出的 400 多种算法中,公开算法代码的仅占 6%,其中三分之一的论文作者分享了测试数据,约 54% 的分享包含“伪代码”。这是今年 ...
有关图像修复的经典论文集合
持续更新... Globally andlocally consistent image completion(2017). 作者:S. Iizuka, E. Simo-Serra, and H. Ishikawa. 主要思想:这篇论文主要是利用GAN的思想,采用两个鉴别器与生成器进行对抗,补全缺损图像。损失函数除了GAN损失外在生成器中还加入了MSE损失。 缺点:生成图像的分辨率...
不可错过的 GAN 资源:教程、视频、代码实现、89 篇论文下载
NIP 2016 对抗训练 Workshop   【网页】https://sites.google.com/site/nips2016adversarial/   【博客】http://www.inference.vc/my-summary-of-adversarial-training-nips-workshop/   教程 & 博客 如何训练 GAN?
fscanf函数的使用
1、头文件 #include 2、fscanf返回的是实际读取的数据个数,出错或者到结尾返回EOF  3、实例代码        char row0[50] = {0};         char row1[50] = {0};         char row2[5
Generative Adversarial Imitation Learning生成对抗的模仿学习
Generative Adversarial Imitation Learning Jonathan Ho Stefano Ermon
文章热词 机器学习教程 Objective-C培训 交互设计视频教程 颜色模型 设计制作学习
相关热词 mysql关联查询两次本表 native底部 react extjs glyph 图标 大数据培训出来有人要吗 课程论文会入数据库吗