Buchumschlag

Deep learning outperforms traditional machine learning methods in predicting childhood malnutrition: evidence from survey data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bastola, Deepak, Li, Yang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hybrid Topic-Semantic Labeling and Graph Embeddings for Unsupervised Legal Document Clustering
von: Bastola, Deepak, et al.
Veröffentlicht: (2025)

Predicting Anemia Among Under-Five Children in Nepal Using Machine Learning and Deep Learning
von: Bastola, Deepak, et al.
Veröffentlicht: (2026)

Using ensemble methods of machine learning to predict real estate prices
von: Pastukh, Oleh, et al.
Veröffentlicht: (2025)

Using machine learning methods to predict cognitive age from psychophysiological tests
von: Tyurina, Daria D., et al.
Veröffentlicht: (2025)

Early evidence of how LLMs outperform traditional systems on OCR/HTR tasks for historical records
von: Kim, Seorin, et al.
Veröffentlicht: (2025)

FuXi-S2S: A machine learning model that outperforms conventional global subseasonal forecast models
von: Chen, Lei, et al.
Veröffentlicht: (2023)

Stability of clinical prediction models developed using statistical or machine learning methods
von: Riley, Richard D, et al.
Veröffentlicht: (2022)

Causal machine learning for predicting treatment outcomes
von: Feuerriegel, Stefan, et al.
Veröffentlicht: (2024)

A survey and taxonomy of loss functions in machine learning
von: Ciampiconi, Lorenzo, et al.
Veröffentlicht: (2023)

A machine learning model for skillful climate system prediction
von: Zhou, Chenguang, et al.
Veröffentlicht: (2025)

A step towards the integration of machine learning and classic model-based survey methods
von: Żądło, Tomasz, et al.
Veröffentlicht: (2024)

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

Benchmarking machine learning models for predicting aerofoil performance
von: Summerell, Oliver, et al.
Veröffentlicht: (2025)

A review of predictive uncertainty estimation with machine learning
von: Tyralis, Hristos, et al.
Veröffentlicht: (2022)

Comparison of gait phase detection using traditional machine learning and deep learning techniques
von: Nazari, Farhad, et al.
Veröffentlicht: (2024)

Text classification using machine learning methods
von: Oancea, Bogdan
Veröffentlicht: (2025)

Meshless method stencil evaluation with machine learning
von: Rot, Miha, et al.
Veröffentlicht: (2022)

Deep learning for predicting the occurrence of tipping points
von: Zhuge, Chengzuo, et al.
Veröffentlicht: (2024)

Applications of machine learning to predict seasonal precipitation for East Africa
von: Scheuerer, Michael, et al.
Veröffentlicht: (2024)

A comparative study of conformal prediction methods for valid uncertainty quantification in machine learning
von: Dewolf, Nicolas
Veröffentlicht: (2024)

Uncertainty estimation of machine learning spatial precipitation predictions from satellite data
von: Papacharalampous, Georgia, et al.
Veröffentlicht: (2023)

On the use of adversarial validation for quantifying dissimilarity in geospatial machine learning prediction
von: Wang, Yanwen, et al.
Veröffentlicht: (2024)

Gas trap prediction from 3D seismic and well test data using machine learning
von: Ivlev, Dmitry
Veröffentlicht: (2024)

Physics-based machine learning framework for predicting NOx emissions from compression ignition engines using on-board diagnostics data
von: Selvam, Harish Panneer, et al.
Veröffentlicht: (2025)

Downscaling human mobility data based on demographic socioeconomic and commuting characteristics using interpretable machine learning methods
von: Jiang, Yuqin, et al.
Veröffentlicht: (2025)

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

Accelerating the prediction of inorganic surfaces with machine learning interatomic potentials
von: Noordhoek, Kyle, et al.
Veröffentlicht: (2023)

Integrating behavior analysis with machine learning to predict online learning performance: A scientometric review and empirical study
von: Yuan, Jin, et al.
Veröffentlicht: (2024)

Assessment of machine learning methods for state-to-state approaches
von: Campoli, Lorenzo, et al.
Veröffentlicht: (2021)

Machine learning and machine learned prediction in chest X-ray images
von: Garrett, Shereiff, et al.
Veröffentlicht: (2025)

Quality analysis and evaluation prediction of RAG retrieval based on machine learning algorithms
von: Zhang, Ruoxin, et al.
Veröffentlicht: (2025)

An efficient, accurate, and interpretable machine learning method for computing probability of failure
von: Zhu, Jacob, et al.
Veröffentlicht: (2026)

A parsimonious, computationally efficient machine learning method for spatial regression
von: Žukovič, Milan, et al.
Veröffentlicht: (2023)

Feasibility of machine learning-based rice yield prediction in India at the district level using climate reanalysis data
von: De Clercq, Djavan, et al.
Veröffentlicht: (2024)

Survival modeling using deep learning, machine learning and statistical methods: A comparative analysis for predicting mortality after hospital admission
von: Wang, Ziwen, et al.
Veröffentlicht: (2024)

Multimodal machine learning with large language embedding model for polymer property prediction
von: Zhang, Tianren, et al.
Veröffentlicht: (2025)

Learning from the past: predicting critical transitions with machine learning trained on surrogates of historical data
von: Ma, Zhiqin, et al.
Veröffentlicht: (2024)

Arnoldi Singular Vector perturbations for machine learning weather prediction
von: Winkler, Jens, et al.
Veröffentlicht: (2025)

Comparison of deep learning and conventional methods for disease onset prediction
von: John, Luis H., et al.
Veröffentlicht: (2024)

Epidemic outbreak prediction using machine learning models
von: Pramod, Akshara, et al.
Veröffentlicht: (2023)