Buchumschlag

Risk factor identification and classification of malnutrition among under-five children in Bangladesh: Machine learning and statistical approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mahmud, Tasfin, Wara, Tayab Uddin, Joy, Chironjeet Das
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Universal Latent Homeomorphic Manifolds: A Framework for Cross-Domain Representation Unification
von: Wu, Tong, et al.
Veröffentlicht: (2026)

A Systematic Review on Sleep Stage Classification and Sleep Disorder Detection Using Artificial Intelligence
von: Wara, Tayab Uddin, et al.
Veröffentlicht: (2024)

The Role, Trends, and Applications of Machine Learning in Undersea Communication: A Bangladesh Perspective
von: Islam, Yousuf, et al.
Veröffentlicht: (2025)

Attentive Dilated Convolution for Automatic Sleep Staging using Force-directed Layout
von: Jobayer, Md, et al.
Veröffentlicht: (2024)

Machine learning approaches to seismic event classification in the Ostrava region
von: Pecha, Marek, et al.
Veröffentlicht: (2025)

Machine learning approach to brain tumor detection and classification
von: Oh, Alice, et al.
Veröffentlicht: (2024)

A Bioinformatic Approach Validated Utilizing Machine Learning Algorithms to Identify Relevant Biomarkers and Crucial Pathways in Gallbladder Cancer
von: Khatun, Rabea, et al.
Veröffentlicht: (2024)

Black-box model classification under the discriminative factorization
von: Helm, Hayden, et al.
Veröffentlicht: (2026)

Machine learning and optimization-based approaches to duality in statistical physics
von: Ferrari, Andrea E. V., et al.
Veröffentlicht: (2024)

Deep learning outperforms traditional machine learning methods in predicting childhood malnutrition: evidence from survey data
von: Bastola, Deepak, et al.
Veröffentlicht: (2026)

Selective classification using a robust meta-learning approach
von: Jain, Nishant, et al.
Veröffentlicht: (2022)

A Machine Learning Approach for Crop Yield and Disease Prediction Integrating Soil Nutrition and Weather Factors
von: Ahmed, Forkan Uddin, et al.
Veröffentlicht: (2024)

Machine Learning and statistical classification of CRISPR-Cas12a diagnostic assays
von: Khosla, Nathan, et al.
Veröffentlicht: (2025)

Machine-learning-based particle identification with missing data
von: Kasak, Miłosz, et al.
Veröffentlicht: (2023)

Ultra-imbalanced classification guided by statistical information
von: Jin, Yin, et al.
Veröffentlicht: (2024)

Learning using granularity statistical invariants for classification
von: Zhu, Ting-Ting, et al.
Veröffentlicht: (2024)

Diabetic Retinopathy Classification from Retinal Images using Machine Learning Approaches
von: Bhattacharjee, Indronil, et al.
Veröffentlicht: (2024)

Attention-Enhanced LSTM Modeling for Improved Temperature and Rainfall Forecasting in Bangladesh
von: Joy, Usman Gani, et al.
Veröffentlicht: (2025)

Machine Learning Meets Transparency in Osteoporosis Risk Assessment: A Comparative Study of ML and Explainability Analysis
von: Elias, Farhana, et al.
Veröffentlicht: (2025)

Optimisation of federated learning settings under statistical heterogeneity variations
von: Suleiman, Basem, et al.
Veröffentlicht: (2024)

Applications and Challenges of Fairness APIs in Machine Learning Software
von: Das, Ajoy, et al.
Veröffentlicht: (2025)

Comparison of machine learning and statistical approaches for digital elevation model (DEM) correction: interim results
von: Okolie, Chukwuma, et al.
Veröffentlicht: (2024)

On statistical learning of graphs
von: Cipriani, Vittorio, et al.
Veröffentlicht: (2025)

Comparative study of machine learning and statistical methods for automatic identification and quantification in γ-ray spectrometry
von: Phan, Dinh Triem, et al.
Veröffentlicht: (2025)

Estimating oil recovery factor using machine learning: Applications of XGBoost classification
von: Roustazadeh, Alireza, et al.
Veröffentlicht: (2022)

Generalising realisability in statistical learning theory under epistemic uncertainty
von: Cuzzolin, Fabio
Veröffentlicht: (2024)

Online federated learning framework for classification
von: Guo, Wenxing, et al.
Veröffentlicht: (2025)

Machine learning-based classification for Single Photon Space Debris Light Curves
von: Trummer, Nadine M., et al.
Veröffentlicht: (2024)

Stabilizing Federated Learning under Extreme Heterogeneity with HeteRo-Select
von: Masud, Md. Akmol, et al.
Veröffentlicht: (2025)

SoK: Unintended Interactions among Machine Learning Defenses and Risks
von: Duddu, Vasisht, et al.
Veröffentlicht: (2023)

A two-step machine learning approach to statistical post-processing of weather forecasts for power generation
von: Baran, Ágnes, et al.
Veröffentlicht: (2022)

Interpretable machine learning of amino acid patterns in proteins: a statistical ensemble approach
von: Braghetto, Anna, et al.
Veröffentlicht: (2023)

Multilingual Financial Fraud Detection Using Machine Learning and Transformer Models: A Bangla-English Study
von: Uddin, Mohammad Shihab, et al.
Veröffentlicht: (2026)

Modeling Freight Mode Choice Using Machine Learning Classifiers: A Comparative Study Using the Commodity Flow Survey (CFS) Data
von: Uddin, Majbah, et al.
Veröffentlicht: (2024)

AN An ica-ensemble learning approach for prediction of uwb nlos signals data classification
von: Enoch, Jiya A., et al.
Veröffentlicht: (2024)

A statistical theory of overfitting for imbalanced classification
von: Lyu, Jingyang, et al.
Veröffentlicht: (2025)

Enhancing Sentiment Analysis in Bengali Texts: A Hybrid Approach Using Lexicon-Based Algorithm and Pretrained Language Model Bangla-BERT
von: Mahmud, Hemal, et al.
Veröffentlicht: (2024)

Machine learning approach for vibronically renormalized electronic band structures
von: Aryal, Niraj, et al.
Veröffentlicht: (2024)

Machine learning approach in the development of building occupant personas
von: Anik, Sheik Murad Hassan, et al.
Veröffentlicht: (2022)

VAE-Inf: A statistically interpretable generative paradigm for imbalanced classification
von: Wu, Hongfei, et al.
Veröffentlicht: (2026)