Generative adversarial nets for social scientists


Neunhoeffer, Marcel


[img] PDF
marcel_neunhoeffer-dissertation-MADOC.pdf - Veröffentlichte Version

Download (18MB)

URN: urn:nbn:de:bsz:180-madoc-644771
Dokumenttyp: Dissertation
Erscheinungsjahr: 2023
Ort der Veröffentlichung: Mannheim
Hochschule: Universität Mannheim
Gutachter: Gschwend, Thomas
Datum der mündl. Prüfung: 31 März 2023
Sprache der Veröffentlichung: Englisch
Einrichtung: Außerfakultäre Einrichtungen > GESS - CDSS (SOWI)
Fachgebiet: 004 Informatik
300 Sozialwissenschaften, Soziologie, Anthropologie
320 Politik
Freie Schlagwörter (Englisch): generative adversarial nets , synthetic data , differential privacy , R package , multiple imputation
Abstract: Generative Adversarial Nets (GANs) are a robust framework for learning complex data distributions and sampling new examples. This dissertation introduces GANs to the social science community by enhancing accessibility, exploring potential use cases, and identifying limitations. The study introduces GANs, making the framework accessible to social science researchers. The dissertation presents the RGAN package, explicitly designed for GAN modeling in R, to facilitate implementation. As a specific use case, the dissertation explores privacy-preserving synthetic data as a potential data-sharing means. It introduces a new method to produce better output from GANs trained to satisfy differential privacy. Lastly, the dissertation critically examines the limitations and challenges of GANs in multiple imputation of missing data, providing insights into boundaries and considerations for their application. To that end, it also introduces a novel benchmark to evaluate multiple imputation algorithms.




Dieser Eintrag ist Teil der Universitätsbibliographie.

Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Download-Statistik

Downloads im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen