Buchumschlag

Predicting life satisfaction using machine learning and explainable AI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khan, Alif Elham, Hasan, Mohammad Junayed, Anjum, Humayra, Mohammed, Nabeel, Momen, Sifat
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Shadow loss: Memory-linear deep metric learning for efficient training
von: Khan, Alif Elham, et al.
Veröffentlicht: (2023)

Climbing the label tree: Hierarchy-preserving contrastive learning for medical imaging
von: Khan, Alif Elham
Veröffentlicht: (2025)

Bridging Classical and Quantum Machine Learning: Knowledge Transfer From Classical to Quantum Neural Networks Using Knowledge Distillation
von: Hasan, Mohammad Junayed, et al.
Veröffentlicht: (2023)

survex: an R package for explaining machine learning survival models
von: Spytek, Mikołaj, et al.
Veröffentlicht: (2023)

A deep learning and machine learning approach to predict neonatal death in the context of São Paulo
von: Raihan, Mohon, et al.
Veröffentlicht: (2025)

Quantum Energy Teleportation across Multi-Qubit Systems using W-State Entanglement
von: Khan, Alif Elham, et al.
Veröffentlicht: (2025)

An explainable machine learning approach for energy forecasting at the household level
von: Béraud, Pauline, et al.
Veröffentlicht: (2024)

DC-Check: A Data-Centric AI checklist to guide the development of reliable machine learning systems
von: Seedat, Nabeel, et al.
Veröffentlicht: (2022)

KAXAI: An Integrated Environment for Knowledge Analysis and Explainable AI
von: Barua, Saikat, et al.
Veröffentlicht: (2023)

CQ CNN: A Hybrid Classical Quantum Convolutional Neural Network for Alzheimer's Disease Detection Using Diffusion Generated and U Net Segmented 3D MRI
von: Islam, Mominul, et al.
Veröffentlicht: (2025)

A feature-stable and explainable machine learning framework for trustworthy decision-making under incomplete clinical data
von: Andrys-Olek, Justyna, et al.
Veröffentlicht: (2026)

AI-Driven Predictive Maintenance with Environmental Context Integration for Connected Vehicles: Simulation, Benchmarking, and Field Validation
von: Khemani, Kushal, et al.
Veröffentlicht: (2026)

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

EXGnet: a single-lead explainable-AI guided multiresolution network with train-only quantitative features for trustworthy ECG arrhythmia classification
von: Showrav, Tushar Talukder, et al.
Veröffentlicht: (2025)

Multi-omics data integration for early diagnosis of hepatocellular carcinoma (HCC) using machine learning
von: Spooner, Annette, et al.
Veröffentlicht: (2024)

Forecasting Application Counts in Talent Acquisition Platforms: Harnessing Multimodal Signals using LMs
von: Kabir, Md Ahsanul, et al.
Veröffentlicht: (2024)

The ecosystem of machine learning competitions: Platforms, participants, and their impact on AI development
von: Nasios, Ioannis
Veröffentlicht: (2026)

LiPCoT: Linear Predictive Coding based Tokenizer for Self-supervised Learning of Time Series Data via Language Models
von: Anjum, Md Fahim
Veröffentlicht: (2024)

AI Epidemiology: achieving explainable AI through expert oversight patterns
von: Tempest-Walters, Kit
Veröffentlicht: (2025)

Dynamic Temperature Scheduler for Knowledge Distillation
von: Islam, Sibgat Ul, et al.
Veröffentlicht: (2025)

Practical machine learning is learning on small samples
von: Sapir, Marina
Veröffentlicht: (2025)

Uncertainty quantification for probabilistic machine learning in earth observation using conformal prediction
von: Singh, Geethen, et al.
Veröffentlicht: (2024)

An explainable approach to detect case law on housing and eviction issues within the HUDOC database
von: Mohammadi, Mohammad, et al.
Veröffentlicht: (2024)

Quantum automated learning with provable and explainable trainability
von: Ye, Qi, et al.
Veröffentlicht: (2025)

A redescription mining framework for post-hoc explaining and relating deep learning models
von: Mihelčić, Matej, et al.
Veröffentlicht: (2025)

Text-To-Image with Generative Adversarial Networks
von: Momen-Tayefeh, Mehrshad
Veröffentlicht: (2024)

Applications of machine learning and IoT for Outdoor Air Pollution Monitoring and Prediction: A Systematic Literature Review
von: Gryech, Ihsane, et al.
Veröffentlicht: (2024)

User-centric evaluation of explainability of AI with and for humans: a comprehensive empirical study
von: Bobek, Szymon, et al.
Veröffentlicht: (2024)

LegalRAG: A Hybrid RAG System for Multilingual Legal Information Retrieval
von: Kabir, Muhammad Rafsan, et al.
Veröffentlicht: (2025)

Causality in the human niche: lessons for machine learning
von: Lange, Richard D., et al.
Veröffentlicht: (2025)

Explanatory machine learning for sequential human teaching
von: Ai, Lun, et al.
Veröffentlicht: (2022)

Enhanced prediction of spine surgery outcomes using advanced machine learning techniques and oversampling methods
von: Benítez-Andrades, José Alberto, et al.
Veröffentlicht: (2025)

Statistical inference using machine learning and classical techniques based on accumulated local effects (ALE)
von: Okoli, Chitu
Veröffentlicht: (2023)

Tensor Train Low-rank Approximation (TT-LoRA): Democratizing AI with Accelerated LLMs
von: Anjum, Afia, et al.
Veröffentlicht: (2024)

On Preserving the Knowledge of Long Clinical Texts
von: Hasan, Mohammad Junayed, et al.
Veröffentlicht: (2023)

BACON: A fully explainable AI model with graded logic for decision making problems
von: Bai, Haishi, et al.
Veröffentlicht: (2025)

Explainable AI for Mental Health Emergency Returns: Integrating LLMs with Predictive Modeling
von: Ahmed, Abdulaziz, et al.
Veröffentlicht: (2025)

Knowledge Adaptation as Posterior Correction
von: Khan, Mohammad Emtiyaz
Veröffentlicht: (2025)

Information Geometry of Variational Bayes
von: Khan, Mohammad Emtiyaz
Veröffentlicht: (2025)

Optimal Kernel Tuning Parameter Prediction using Deep Sequence Models
von: Mahmood, Khawir, et al.
Veröffentlicht: (2024)