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},
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{results}
\input{discussion}
\input{conclusion}
%\input{conclusion}
%\end{multicols}
%-------------------------

2
term-paper/discussion.tex
View File

@ -3,3 +3,5 @@
% Preamble
\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}
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}
\item WALKING (Gehen)