특징 유형별 확산
수치 특징에는 가우스 확산을, 범주 및 이진 특징에는 다항 확산을 사용한다. 범주형 입력은 원핫 표현으로 구성하고 정규화한 수치 입력과 함께 처리한다.
역과정의 학습
다층 신경망이 역확산을 예측한다. 수치 확산의 평균 제곱 오차와 범주 확산의 KL 발산을 합쳐 학습하며, 분류 자료는 클래스 조건부로, 회귀 자료는 목표값을 수치 특징에 포함해 모델링한다.
생성 자료의 평가
원 연구는 여러 표 자료 벤치마크에서 GAN과 VAE 계열의 대안과 비교했다. 합성 자료를 이용한 예측 효율과 원본 자료를 공개하기 어려운 설정에서의 성질도 평가했다.