El profesor del MUVA Alfredo Cuesta, coautoriza un trabajo aceptado en el congreso “2019 Neural Information Processing Systems” (NeurIPS) titulado: “Modeling Tabular data using Conditional GAN”.
Este trabajo presenta una solución para modelar la distribución de probabilidad de datos tabulados donde los atributos pueden ser tanto continuos (con múltiples modos) como discretos (y desequilibrados). También se presenta una experimentación con 7 conjuntos de datos simulados y 8 reales.
Enlace al contenido de las pre-actas:
https://papers.nips.cc/paper/8953-modeling-tabular-data-using-conditional-gan