VAE-Inf: Un framework generativo per la classificazione sbilanciata

Un nuovo framework a due stadi chiamato VAE-Inf integra gli autoencoder variazionali con il test di ipotesi per affrontare la classificazione sbilanciata quando i campioni di minoranza sono estremamente scarsi. Nel primo stadio, un VAE viene addestrato esclusivamente sui dati della classe maggioritaria per modellare la distribuzione di riferimento, e le posteriori latenti vengono aggregate tramite un baricentro di Wasserstein in un riferimento gaussiano globale. Il secondo stadio trasforma questa rappresentazione per l'inferenza statistica, consentendo un controllo affidabile degli errori e confini decisionali stabili. L'approccio collega la modellazione generativa e la classificazione discriminativa, offrendo una soluzione statisticamente interpretabile per lo squilibrio estremo delle classi.