{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5309034"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5309034","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Survey on Synthetic Data Generation Methods based on Generative Adversarial Networks","abstract":"Η αυξανόμενη ανάγκη για δεδομένα υψηλής ποιότητας στη βιοπληροφορική και τη βιομηχανική βιοτεχνολογία έχει εντείνει το ενδιαφέρον για τη χρήση συνθετικών δεδομένων, ως λύση σε προκλήσεις που σχετίζονται με την ιδιωτικότητα, την έλλειψη δεδομένων και τη αξιόπιστη αναπαράστασή τους. Η παρούσα διπλωματική εργασία μελετά τη χρήση Αντιπαραθετικών Νευρωνικών Δικτύων (GANs) για τη σύνθεση πινάκων και χρονοσειρών που σχετίζονται με τη βιομηχανία. Παρουσιάζεται αναλυτική επισκόπηση σύγχρονων αρχιτεκτονικά GAN, όπως τα CTGAN, TabFairGAN, TimeGAN, DoppelGANger και το λογισμικό YData Fabric, με έμφαση στην προσαρμογή τους σε μικτά δεδομένα, σε εκμάθηση και στη διατήρηση χρονικής συνοχής. Επιπλέον, προτείνεται ένα δυικό πλαίσιο αξιολόγησης που συνδυάζει στατιστικά μεγέθη άμεσης αξιολόγησης (π.χ. Kolmogorov–Smirnov, Hellinger, JSD) και έμμεσες μεθόδους αξιολόγησης όπως η επίδοση σε ταξινομητικά και προβλεπτικά σενάρια. Τα πειραματικά αποτελέσματα βασισμένα σε δύο μελέτες περίπτωσης αποκαλύπτουν τα πλεονεκτήματα και τις αδυναμίες κάθε μοντέλου. Στα δεδομένα πίνακα, το CTGAN παρουσιάζει υψηλή οπτική ομοιότητα με τα πραγματικά δεδομένα αλλά εμφανίζει ενδείξεις υπερβολικής προσαρμογής, ενώ το TabFairGAN προσφέρει καλύτερη γενίκευση και στατιστική ευθυγράμμιση. Στα δεδομένα χρονοσειρών, το YData Fabric πετυχαίνει την υψηλότερη στατιστική ομοιότητα αλλά στερείται ρεαλιστικής δυναμικής, ενώ το TimeGAN διατηρεί ισορροπία μεταξύ χρονικής δομής και ποικιλομορφίας. Τα αποτελέσματα υπογραμμίζουν τη σημασία μιας πολυπαραμετρικής αξιολόγησης και παρέχουν χρήσιμες κατευθυντήριες γραμμές για την υπεύθυνη χρήση συνθετικών δεδομένων σε εφαρμογές της βιομηχανικής βιοτεχνολογίας.","abstract_html":"Η αυξανόμενη ανάγκη για δεδομένα υψηλής ποιότητας στη βιοπληροφορική και τη βιομηχανική βιοτεχνολογία έχει εντείνει το ενδιαφέρον για τη χρήση συνθετικών δεδομένων, ως λύση σε προκλήσεις που σχετίζονται με την ιδιωτικότητα, την έλλειψη δεδομένων και τη αξιόπιστη αναπαράστασή τους. Η παρούσα διπλωματική εργασία μελετά τη χρήση Αντιπαραθετικών Νευρωνικών Δικτύων (GANs) για τη σύνθεση πινάκων και χρονοσειρών που σχετίζονται με τη βιομηχανία. Παρουσιάζεται αναλυτική επισκόπηση σύγχρονων αρχιτεκτονικά GAN, όπως τα CTGAN, TabFairGAN, TimeGAN, DoppelGANger και το λογισμικό YData Fabric, με έμφαση στην προσαρμογή τους σε μικτά δεδομένα, σε εκμάθηση και στη διατήρηση χρονικής συνοχής. Επιπλέον, προτείνεται ένα δυικό πλαίσιο αξιολόγησης που συνδυάζει στατιστικά μεγέθη άμεσης αξιολόγησης (π.χ. Kolmogorov–Smirnov, Hellinger, JSD) και έμμεσες μεθόδους αξιολόγησης όπως η επίδοση σε ταξινομητικά και προβλεπτικά σενάρια. Τα πειραματικά αποτελέσματα βασισμένα σε δύο μελέτες περίπτωσης αποκαλύπτουν τα πλεονεκτήματα και τις αδυναμίες κάθε μοντέλου. Στα δεδομένα πίνακα, το CTGAN παρουσιάζει υψηλή οπτική ομοιότητα με τα πραγματικά δεδομένα αλλά εμφανίζει ενδείξεις υπερβολικής προσαρμογής, ενώ το TabFairGAN προσφέρει καλύτερη γενίκευση και στατιστική ευθυγράμμιση. Στα δεδομένα χρονοσειρών, το YData Fabric πετυχαίνει την υψηλότερη στατιστική ομοιότητα αλλά στερείται ρεαλιστικής δυναμικής, ενώ το TimeGAN διατηρεί ισορροπία μεταξύ χρονικής δομής και ποικιλομορφίας. Τα αποτελέσματα υπογραμμίζουν τη σημασία μιας πολυπαραμετρικής αξιολόγησης και παρέχουν χρήσιμες κατευθυντήριες γραμμές για την υπεύθυνη χρήση συνθετικών δεδομένων σε εφαρμογές της βιομηχανικής βιοτεχνολογίας.","abstract_has_math":false,"creators":["Ρώσσιου Σοφία","Rossiou Sofia"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:40:24Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5309034"],"render_values":[{"text":"uoadl:5309034","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5309034","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5309034","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5309034","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ρώσσιου Σοφία","Rossiou Sofia"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5309034","https://pergamos.lib.uoa.gr/uoa/dl/object/5309034"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η αυξανόμενη ανάγκη για δεδομένα υψηλής ποιότητας στη βιοπληροφορική και τη βιομηχανική βιοτεχνολογία έχει εντείνει το ενδιαφέρον για τη χρήση συνθετικών δεδομένων, ως λύση σε προκλήσεις που σχετίζονται με την ιδιωτικότητα, την έλλειψη δεδομένων και τη αξιόπιστη αναπαράστασή τους. Η παρούσα διπλωματική εργασία μελετά τη χρήση Αντιπαραθετικών Νευρωνικών Δικτύων (GANs) για τη σύνθεση πινάκων και χρονοσειρών που σχετίζονται με τη βιομηχανία. Παρουσιάζεται αναλυτική επισκόπηση σύγχρονων αρχιτεκτονικά GAN, όπως τα CTGAN, TabFairGAN, TimeGAN, DoppelGANger και το λογισμικό YData Fabric, με έμφαση στην προσαρμογή τους σε μικτά δεδομένα, σε εκμάθηση και στη διατήρηση χρονικής συνοχής. Επιπλέον, προτείνεται ένα δυικό πλαίσιο αξιολόγησης που συνδυάζει στατιστικά μεγέθη άμεσης αξιολόγησης (π.χ. Kolmogorov–Smirnov, Hellinger, JSD) και έμμεσες μεθόδους αξιολόγησης όπως η επίδοση σε ταξινομητικά και προβλεπτικά σενάρια. Τα πειραματικά αποτελέσματα βασισμένα σε δύο μελέτες περίπτωσης αποκαλύπτουν τα πλεονεκτήματα και τις αδυναμίες κάθε μοντέλου. Στα δεδομένα πίνακα, το CTGAN παρουσιάζει υψηλή οπτική ομοιότητα με τα πραγματικά δεδομένα αλλά εμφανίζει ενδείξεις υπερβολικής προσαρμογής, ενώ το TabFairGAN προσφέρει καλύτερη γενίκευση και στατιστική ευθυγράμμιση. Στα δεδομένα χρονοσειρών, το YData Fabric πετυχαίνει την υψηλότερη στατιστική ομοιότητα αλλά στερείται ρεαλιστικής δυναμικής, ενώ το TimeGAN διατηρεί ισορροπία μεταξύ χρονικής δομής και ποικιλομορφίας. Τα αποτελέσματα υπογραμμίζουν τη σημασία μιας πολυπαραμετρικής αξιολόγησης και παρέχουν χρήσιμες κατευθυντήριες γραμμές για την υπεύθυνη χρήση συνθετικών δεδομένων σε εφαρμογές της βιομηχανικής βιοτεχνολογίας.","The increasing need for high-quality data in bioinformatics and industrial biotechnology has driven interest in synthetic data generation as a solution to privacy concerns, data scarcity, and fairness in machine learning applications. This thesis investigates the use of Generative Adversarial Networks (GANs) for synthesizing tabular and time-series data relevant to the bioindustry. A detailed review of advanced GAN architectures—including CTGAN, TabFairGAN, TimeGAN, DoppelGANger, and YData Fabric Software—is conducted, emphasizing their suitability for mixed data types, fairness-aware learning, and temporal coherence. A two-level evaluation framework is introduced, combining direct statistical metrics (e.g., KS test, Hellinger distance, JSD) with indirect assessments through downstream classification and forecasting tasks. Empirical results from two case studies reveal the strengths and limitations of each model. In the tabular domain, CTGAN shows strong visual fidelity but suffers from potential overfitting, while TabFairGAN demonstrates better generalization and statistical alignment. In time-series data, YData Fabric Software achieves the highest statistical similarity but at the cost of dynamic variability, whereas TimeGAN maintains a more balanced temporal structure. The findings highlight the importance of multimodal evaluation and provide practical insights for deploying synthetic data responsibly in real-world bioindustrial applications."]},{"key":"dc:title","label":"Title","values":["Survey on Synthetic Data Generation Methods based on Generative Adversarial Networks"]}]}],"canonical_facts":{"dc:creator":["Ρώσσιου Σοφία","Rossiou Sofia"],"dc:date":["2025"],"dc:description":["Η αυξανόμενη ανάγκη για δεδομένα υψηλής ποιότητας στη βιοπληροφορική και τη βιομηχανική βιοτεχνολογία έχει εντείνει το ενδιαφέρον για τη χρήση συνθετικών δεδομένων, ως λύση σε προκλήσεις που σχετίζονται με την ιδιωτικότητα, την έλλειψη δεδομένων και τη αξιόπιστη αναπαράστασή τους. Η παρούσα διπλωματική εργασία μελετά τη χρήση Αντιπαραθετικών Νευρωνικών Δικτύων (GANs) για τη σύνθεση πινάκων και χρονοσειρών που σχετίζονται με τη βιομηχανία. Παρουσιάζεται αναλυτική επισκόπηση σύγχρονων αρχιτεκτονικά GAN, όπως τα CTGAN, TabFairGAN, TimeGAN, DoppelGANger και το λογισμικό YData Fabric, με έμφαση στην προσαρμογή τους σε μικτά δεδομένα, σε εκμάθηση και στη διατήρηση χρονικής συνοχής. Επιπλέον, προτείνεται ένα δυικό πλαίσιο αξιολόγησης που συνδυάζει στατιστικά μεγέθη άμεσης αξιολόγησης (π.χ. Kolmogorov–Smirnov, Hellinger, JSD) και έμμεσες μεθόδους αξιολόγησης όπως η επίδοση σε ταξινομητικά και προβλεπτικά σενάρια. Τα πειραματικά αποτελέσματα βασισμένα σε δύο μελέτες περίπτωσης αποκαλύπτουν τα πλεονεκτήματα και τις αδυναμίες κάθε μοντέλου. Στα δεδομένα πίνακα, το CTGAN παρουσιάζει υψηλή οπτική ομοιότητα με τα πραγματικά δεδομένα αλλά εμφανίζει ενδείξεις υπερβολικής προσαρμογής, ενώ το TabFairGAN προσφέρει καλύτερη γενίκευση και στατιστική ευθυγράμμιση. Στα δεδομένα χρονοσειρών, το YData Fabric πετυχαίνει την υψηλότερη στατιστική ομοιότητα αλλά στερείται ρεαλιστικής δυναμικής, ενώ το TimeGAN διατηρεί ισορροπία μεταξύ χρονικής δομής και ποικιλομορφίας. Τα αποτελέσματα υπογραμμίζουν τη σημασία μιας πολυπαραμετρικής αξιολόγησης και παρέχουν χρήσιμες κατευθυντήριες γραμμές για την υπεύθυνη χρήση συνθετικών δεδομένων σε εφαρμογές της βιομηχανικής βιοτεχνολογίας.","The increasing need for high-quality data in bioinformatics and industrial biotechnology has driven interest in synthetic data generation as a solution to privacy concerns, data scarcity, and fairness in machine learning applications. This thesis investigates the use of Generative Adversarial Networks (GANs) for synthesizing tabular and time-series data relevant to the bioindustry. A detailed review of advanced GAN architectures—including CTGAN, TabFairGAN, TimeGAN, DoppelGANger, and YData Fabric Software—is conducted, emphasizing their suitability for mixed data types, fairness-aware learning, and temporal coherence. A two-level evaluation framework is introduced, combining direct statistical metrics (e.g., KS test, Hellinger distance, JSD) with indirect assessments through downstream classification and forecasting tasks. Empirical results from two case studies reveal the strengths and limitations of each model. In the tabular domain, CTGAN shows strong visual fidelity but suffers from potential overfitting, while TabFairGAN demonstrates better generalization and statistical alignment. In time-series data, YData Fabric Software achieves the highest statistical similarity but at the cost of dynamic variability, whereas TimeGAN maintains a more balanced temporal structure. The findings highlight the importance of multimodal evaluation and provide practical insights for deploying synthetic data responsibly in real-world bioindustrial applications."],"dc:identifier":["uoadl:5309034","https://pergamos.lib.uoa.gr/uoa/dl/object/5309034"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Survey on Synthetic Data Generation Methods based on Generative Adversarial Networks"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:40:24Z"}