Forschung
Publikationen
Begutachtete Artikel und Preprints von uns dreien und unseren Koautorinnen und Koautoren: generative Modelle für synthetische Daten und ihre Bewertung, Deep Learning auf Transaktionsdaten von Kunden und Hochleistungsrechnen für die Bildgebung des Gehirns.
Arbeiten
TabularARGN: A Flexible and Efficient Auto-Regressive Framework for Generating High-Fidelity Synthetic Data
Stellt TabularARGN vor, ein autoregressives Netz für Tabellen mit gemischten Datentypen und Sequenzen, das Daten bedingt auf beliebige Spalten erzeugen kann. Die Benchmarks im Paper zeigen Qualität auf dem Stand der Technik bei deutlich kürzeren Trainings- und Generierungszeiten.
Tiwald, P., Krchova, I., Sidorenko, A., Vargas Vieyra, M., Scriminaci, M., Platzer, M. · arXiv:2501.12012 · 2025
TabularARGN: An Auto-Regressive Generative Network for Tabular Data Generation
Die begutachtete Kurzfassung des TabularARGN-Papers (vier Seiten), mit Schwerpunkt auf Genauigkeit und Effizienz in etablierten Benchmarks.
Sidorenko, A., Krchova, I., Vargas Vieyra, M., Tiwald, P., Scriminaci, M., Platzer, M. · EurIPS 2025 Workshop: AI for Tabular Data · 2025
Privacy-Preserving Tabular Synthetic Data Generation Using TabularARGN
Prüft mit systematischen Membership-Inference-Angriffen, wie gut die Ausgabe von TabularARGN die Privatsphäre schützt, und vergleicht statistische Ähnlichkeit und ML-Nutzen mit anderen Generatoren.
Sidorenko, A., Tiwald, P. · arXiv:2508.06647 · 2025
Benchmarking Synthetic Tabular Data: A Multi-Dimensional Evaluation Framework
Eine Holdout-basierte Methode, um zu messen, ob synthetische Daten zugleich genau und privat sind: Verteilungsvergleiche, Embedding-Ähnlichkeit und Nearest-Neighbor-Distanzen. Der Code ist Open Source.
Sidorenko, A., Platzer, M., Scriminaci, M., Tiwald, P. · arXiv:2504.01908 · 2025
A Note on Statistically Accurate Tabular Data Generation Using Large Language Models
Bisherige LLM-Verfahren verlieren häufig die Abhängigkeiten zwischen Merkmalen, vor allem bei kategorialen Variablen. Diese Notiz lässt das LLM stattdessen bedingte Wahrscheinlichkeiten schätzen; die Ergebnisse zeigen, dass das die statistische Genauigkeit verbessern kann.
Sidorenko, A. · arXiv:2505.02659 · 2025
Democratizing Tabular Data Access with an Open-Source Synthetic Data SDK
Beschreibt das Open-Source-Python-SDK auf Basis von TabularARGN: Multi-Table- und sequenzielle Daten, Differential Privacy, fairnessbewusste Generierung und automatische Qualitätsprüfung in einem Toolkit.
Krchova, I., Vargas Vieyra, M., Scriminaci, M., Sidorenko, A. · arXiv:2508.00718 · 2025
Deep Generative Models for Synthetic Data: A Survey
Ein Überblick über tiefe generative Modelle für sequenzielle synthetische Daten, mit einem Bewertungsrahmen aus fünf Kriterien: Repräsentativität, Neuheit, Realismus, Diversität und Kohärenz. Der Artikel zeigt, welche Kriterien in welchen Bereichen am wichtigsten sind, von Sprache und Audio bis zu Gesundheits- und Mobilitätsdaten.
Eigenschink, P., Reutterer, T., Vamosi, S., Vamosi, R., Sun, C., Kalcher, K. · IEEE Access 11 · 2023
Customer Base Analysis with Recurrent Neural Networks
Nutzt LSTM-Netze auf Transaktionshistorien von Kunden, um künftige Käufe vorherzusagen, wenn die Abwanderung nie direkt beobachtet wird. In acht realen Datensätzen ist das Modell pro Kunde genauer und pro Kohorte weniger verzerrt als etablierte Modelle und erfasst saisonale Muster. Eine Open-Source-Implementierung ist verfügbar.
Valendin, J., Reutterer, T., Platzer, M., Kalcher, K. · International Journal of Research in Marketing 39(4) · 2022
Big Data Approaches for the Analysis of Large-Scale fMRI Data Using Apache Spark and GPU Processing: A Demonstration on Resting-State fMRI Data from the Human Connectome Project
Software-Werkzeuge für die Analyse sehr großer fMRT-Datensätze mit Apache Spark und GPUs, einschließlich verteiltem Einlesen von 4D-Bilddaten, demonstriert an Ruhe-fMRT-Daten des Human Connectome Project.
Boubela, R. N., Kalcher, K., Huf, W., Našel, C., Moser, E. · Frontiers in Neuroscience 9:492 · 2016