Buchumschlag

Peoples Water Data: Enabling Reliable Field Data Generation and Microbial Contamination Screening in Household Drinking Water

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kagan, Suzan, Spigelman, Shira, Sudhir, Sankar, Pradeep, Thalappil, Mamane, Hadas
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Physics and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Peoples Water Data: A Scalable Student-Led Methodology for Global Water Security
von: Kagan, Suzan, et al.
Veröffentlicht: (2025)

A Water Efficiency Dataset for African Data Centers
von: Shumba, Noah, et al.
Veröffentlicht: (2024)

A Deep Generative Framework for Joint Households and Individuals Population Synthesis
von: Qian, Xiao, et al.
Veröffentlicht: (2024)

Sentiment Analysis of Cyberbullying Data in Social Media
von: Susmitha, Arvapalli Sai, et al.
Veröffentlicht: (2024)

Do Streetscapes Still Matter for Customer Ratings of Eating and Drinking Establishments in Car-Dependent Cities?
von: Han, Chaeyeon, et al.
Veröffentlicht: (2025)

Use of Boosting Algorithms in Household-Level Poverty Measurement: A Machine Learning Approach to Predict and Classify Household Wealth Quintiles in the Philippines
von: Salvador, Erika Lynet
Veröffentlicht: (2024)

TrustFed: Enabling Trustworthy Medical AI under Data Privacy Constraints
von: Kumar, Vagish, et al.
Veröffentlicht: (2026)

Fairness for the People, by the People: Minority Collective Action
von: Ben-Dov, Omri, et al.
Veröffentlicht: (2025)

Quality-Diversity Generative Sampling for Learning with Synthetic Data
von: Chang, Allen, et al.
Veröffentlicht: (2023)

Deep Contrastive Learning for Feature Alignment: Insights from Housing-Household Relationship Inference
von: Qian, Xiao, et al.
Veröffentlicht: (2025)

Should I use Synthetic Data for That? An Analysis of the Suitability of Synthetic Data for Data Sharing and Augmentation
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2026)

Four Things People Should Know About Migraines
von: Parsa, Mohammad S., et al.
Veröffentlicht: (2025)

The Initial Screening Order Problem
von: Alvarez, Jose M., et al.
Veröffentlicht: (2023)

Protected group bias and stereotypes in Large Language Models
von: Kotek, Hadas, et al.
Veröffentlicht: (2024)

Unsupervised Feature Selection Through Group Discovery
von: Lifshitz, Shira, et al.
Veröffentlicht: (2025)

Data Debiasing with Datamodels (D3M): Improving Subgroup Robustness via Data Selection
von: Jain, Saachi, et al.
Veröffentlicht: (2024)

Improving Equity in Health Modeling with GPT4-Turbo Generated Synthetic Data: A Comparative Study
von: Smolyak, Daniel, et al.
Veröffentlicht: (2024)

Navigating Towards Fairness with Data Selection
von: Zhang, Yixuan, et al.
Veröffentlicht: (2024)

Procedural Fairness Through Decoupling Objectionable Data Generating Components
von: Tang, Zeyu, et al.
Veröffentlicht: (2023)

A Principled Approach for Data Bias Mitigation
von: Scarone, Bruno, et al.
Veröffentlicht: (2024)

Achievable Fairness on Your Data With Utility Guarantees
von: Taufiq, Muhammad Faaiz, et al.
Veröffentlicht: (2024)

Bayesian Integration of Nonlinear Incomplete Clinical Data
von: González-Zamorano, Lucía, et al.
Veröffentlicht: (2026)

Feature Importance Disparities for Data Bias Investigations
von: Chang, Peter W., et al.
Veröffentlicht: (2023)

Physics-Guided Fair Graph Sampling for Water Temperature Prediction in River Networks
von: He, Erhu, et al.
Veröffentlicht: (2024)

The Synthetic Mirror -- Synthetic Data at the Age of Agentic AI
von: Momha, Marcelle
Veröffentlicht: (2025)

TraceHiding: Scalable Machine Unlearning for Mobility Data
von: Faraji, Ali, et al.
Veröffentlicht: (2025)

Geospatial Road Cycling Race Results Data Set
von: Janssens, Bram, et al.
Veröffentlicht: (2024)

On the Predictability of non-CGM Diabetes Data for Personalized Recommendation
von: Nguyen, Tu, et al.
Veröffentlicht: (2018)

$\texttt{dattri}$: A Library for Efficient Data Attribution
von: Deng, Junwei, et al.
Veröffentlicht: (2024)

Improving Socratic Question Generation using Data Augmentation and Preference Optimization
von: Kumar, Nischal Ashok, et al.
Veröffentlicht: (2024)

Opportunities and Challenges of Frontier Data Governance With Synthetic Data
von: Thakur, Madhavendra, et al.
Veröffentlicht: (2025)

Evaluating Privacy-Utility Tradeoffs in Synthetic Smart Grid Data
von: Catarino, Andre, et al.
Veröffentlicht: (2025)

Leveraging Language Models for Analyzing Longitudinal Experiential Data in Education
von: Hayat, Ahatsham, et al.
Veröffentlicht: (2025)

Evaluating Fairness in Self-supervised and Supervised Models for Sequential Data
von: Yfantidou, Sofia, et al.
Veröffentlicht: (2024)

Feature Engineering on LMS Data to Optimize Student Performance Prediction
von: Hubbard, Keith, et al.
Veröffentlicht: (2025)

Data Acquisition for Improving Model Fairness using Reinforcement Learning
von: Hasan, Jahid, et al.
Veröffentlicht: (2024)

Optimizing Product Provenance Verification using Data Valuation Methods
von: Yousuf, Raquib Bin, et al.
Veröffentlicht: (2025)

ReliCD: A Reliable Cognitive Diagnosis Framework with Confidence Awareness
von: Zhang, Yunfei, et al.
Veröffentlicht: (2023)

Privacy-Preserved Taxi Demand Prediction System Utilizing Distributed Data
von: Ozeki, Ren, et al.
Veröffentlicht: (2024)

FedMood: Federated Learning on Mobile Health Data for Mood Detection
von: Xu, Xiaohang, et al.
Veröffentlicht: (2021)