Classification of arsenic contamination in water using Machine learning

Classification of arsenic contamination in water using Machine learning

Cataloged from PDF version of thesis report.

Bibliographische Detailangaben
Hauptverfasser:	Leon, Yeasir Hossain, Mosharrof, Adib
Weitere Verfasser:	Rahman, Mohammad Zahidur
Format:	Abschlussarbeit
Sprache:	English
Veröffentlicht:	BRAC University 2014
Schlagworte:	Computer science and engineering
Online Zugang:	http://hdl.handle.net/10361/2940

Ähnliche Einträge

Arsenic contamination : Bangladesh perspective /
Veröffentlicht: (2003)

Arsenic contamination of groundwater in Bangladesh /
Veröffentlicht: (2001)

Arsenic contamination of groundwater in Bangladesh /
Veröffentlicht: (2001)

Arsenic contamination of groundwater in Bangladesh /
Veröffentlicht: (2001)

Arsenic contamination of groundwater in Bangladesh /
Veröffentlicht: (2001)

Text classification using machine learning algorithms
von: Hasnat, Fahim, et al.
Veröffentlicht: (2018)

Status of arsenic test and exposure to arsenic-contaminated tubewell water: a population-based study in Southern Bangladesh
von: Dey, Nepal C, et al.
Veröffentlicht: (2019)

A study on development of an arsenic test kit and some arsenic contamination issues /
von: Khair, Abul
Veröffentlicht: (2003)

Lung cancer detection and classification using machine learning
von: Arefin, Mahbubul, et al.
Veröffentlicht: (2023)

Geogenic arsenic and Microbial contamination in drinking water sources: Exposure risks to the coastal population in Bangladesh
von: Saha, Ratnajit, et al.
Veröffentlicht: (2022)

Bangla text classification using machine learning and deep learning techniques
von: Salehin, Kamrus, et al.
Veröffentlicht: (2021)

Using sentiment analysis & machine learning for security price forecasting
von: Roy, Jyotirmoy, et al.
Veröffentlicht: (2016)

Heart disease prediction using techniques of classification in machine learning
von: Afrose, Sadia, et al.
Veröffentlicht: (2021)

Interpretable Bangla fake news classification using BERT and traditional machine learning approaches
von: Anan, Ramisa, et al.
Veröffentlicht: (2023)

Diabetic retinopathy detection and classification by using deep learning
von: Hossain, Shahriar, et al.
Veröffentlicht: (2022)

Daily arsenic contamination associated with Gestational diabetes mellitus and neonatal outcome
von: Sinthi, Nudrat Ansari
Veröffentlicht: (2016)

Machine learning engineering /
von: Burkov, Andriy
Veröffentlicht: (2020)

Comparative study of toxic comments classification using machine learning algorithms
von: Razzak, Razia, et al.
Veröffentlicht: (2021)

Learning computer programming using e-learning as a tool
von: Alam, Asharf, et al.
Veröffentlicht: (2010)

Gene classification and pattern analysis using data mining and machine learning techniques
von: Ramisa, Aiman Jabeen, et al.
Veröffentlicht: (2021)

Sound classification using deep learning for hard of hearing and deaf people
von: Habib, Md.Adnan, et al.
Veröffentlicht: (2022)

Performance analysis of machine learning algorithms for Malware classification
von: Bushra, Raisa Hasan, et al.
Veröffentlicht: (2023)

The use of alternative safe water option to mitigate the arsenic problem in Bangladesh : community perspective /
von: Jakariya, Md
Veröffentlicht: (2003)

The use of alternative safe water option to mitigate the arsenic problem in Bangladesh : community perspective /
von: Jakariya, Md
Veröffentlicht: (2003)

Using machine learning on a diverse class of problems : from rainfall to criminal actions
von: Munira, Sirajum, et al.
Veröffentlicht: (2016)

A Review of groundwater arsenic contamination in Bangladesh: the millennium development goal era and beyond
von: Md. Yunus, Fakir, et al.
Veröffentlicht: (2016)

A study of malware classification using deep learning
von: Rahman, Mohammad Muhibur, et al.
Veröffentlicht: (2024)

Analysis and manipulation of the data set obtained from the study of pre-primary education development using machine learning
von: Khan, Sushmita Laila, et al.
Veröffentlicht: (2014)

Classification and Explanation of Different Internet of Things (IoT) Network Attacks using Machine Learning, Deep Learning and XAI
von: Tasnim, Anika, et al.
Veröffentlicht: (2022)

Depression classification with MDD (Major Depressive Disorder) using signal processing and machine learning
von: Saleque, Shahriar, et al.
Veröffentlicht: (2021)

Arsenic in tubewell water and health consequences: mitigation component
von: Jakariya, Md.
Veröffentlicht: (2019)

Awareness and choice of options of Arsenic-free drinking water
von: Hadi, Abdullahel
Veröffentlicht: (2019)

Classification of retinal diseases from OCT images using deep learning models
von: Mokarrom, Md Saif, et al.
Veröffentlicht: (2024)

Cancer classification using deep learning from medical image data
von: Monir, Raiyan Janik, et al.
Veröffentlicht: (2022)

Foundations of machine learning /
von: Mohri, Mehryar, et al.
Veröffentlicht: (2018)

Remote monitoring and detection of water contamination in effluent treatment plants
von: Hossain, Akib, et al.
Veröffentlicht: (2024)

An analytical assessment of GPL kit for field level detection of arsenic in water
von: Hossain, Md. Zabed
Veröffentlicht: (2020)

Classification of peripheral blood cell images using deep learning
von: Aadi, Oyshik Ahmed, et al.
Veröffentlicht: (2024)

Bang-lish sentiment classification using deep learning
von: Saleheen, Abrar, et al.
Veröffentlicht: (2023)

Skin disease detection and classification using deep learning
von: Shuvon, Mehedi Hasan, et al.
Veröffentlicht: (2022)