schuetoliver
/
CDS1011_A2
2
1
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

LaTEX edits commit

main
TheOriginalGraLargeShrimpakaReaper 2024-12-08 20:26:30 +01:00
parent 99f0df9d41
commit aecea710c4
4 changed files with 15 additions and 2 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

10
term-paper/CDS1011_A2.bib
View File

@ -42,3 +42,13 @@
langid = {american}, langid = {american},
file = {Snapshot:/home/gra/Zotero/storage/RLC6J3IL/how-to-load-and-explore-a-standard-human-activity-recognition-problem.html:text/html}, file = {Snapshot:/home/gra/Zotero/storage/RLC6J3IL/how-to-load-and-explore-a-standard-human-activity-recognition-problem.html:text/html},
} }
@misc{jorge_reyes-ortiz_human_2013,
title = {Human Activity Recognition Using Smartphones},
url = {https://archive.ics.uci.edu/dataset/240},
doi = {10.24432/C54S4K},
publisher = {{UCI} Machine Learning Repository},
author = {Jorge Reyes-Ortiz, Davide Anguita},
urldate = {2024-12-08},
date = {2013},
}

2
term-paper/CDS1011_A2.tex
View File

@ -35,7 +35,7 @@
\input{research_questions_methodology} \input{research_questions_methodology}
\input{results} \input{results}
\input{discussion} \input{discussion}
\input{conclusion} %\input{conclusion}
%\end{multicols} %\end{multicols}
%------------------------- %-------------------------

2
term-paper/discussion.tex
View File

@ -3,3 +3,5 @@
% Preamble % Preamble
\section{Diskussion}\label{sec:diskussion} \section{Diskussion}\label{sec:diskussion}
Mit Deep Learning Algorithmen liessen sich eine Genauigkeit von bis zu 96\% \cite[p.402]{alagoz_comparative_2024}\cite{brownlee_gentle_2018, sikder_human_2021} erzielen.\\
Der nächste Schritt bestünde daher darin, die entsprechenden Modelle zu trainieren und Anzuwenden, um bessere Vorhersagen treffen zu können.

3
term-paper/research_questions_methodology.tex
View File

@ -6,7 +6,8 @@
\section{Forschungsfragen und Methodik}\label{sec:forschungsfragen-und-methodik} \section{Forschungsfragen und Methodik}\label{sec:forschungsfragen-und-methodik}
Die Forschungsfrage lautet, wie zuverlässig können Aktivitäten anhand von Smartphone Sensordaten erkannt werden. Die Forschungsfrage lautet, wie zuverlässig können Aktivitäten anhand von Smartphone Sensordaten erkannt werden.
Als Basis dieser Analyse, diente der Datensatz "UCI Human Activity Recognition (HAR) Dataset" \cite{sikder_human_2021}. Dieser enthält Aktivitäten, gelabelt nach Sensordaten von Smartphones (Samsung Galaxy S II). Die Daten stammen von 30 Probanden im Alter von 19 bis 48 Jahren, die sechs vordefinierte Aktivitäten ausführten: Als Basis dieser Analyse diente der Datensatz \("\)UCI Human Activity Recognition (HAR) Dataset\("\)~\cite{jorge_reyes-ortiz_human_2013}.
Dieser enthält Aktivitäten, gelabelt nach Sensordaten von Smartphones (Samsung Galaxy S II). Die Daten stammen von 30 Probanden im Alter von 19 bis 48 Jahren, die sechs vordefinierte Aktivitäten ausführten:
\begin{itemize} \begin{itemize}
\item WALKING (Gehen) \item WALKING (Gehen)