From de6295282c733c0b4b451447e8f2964e928ea354 Mon Sep 17 00:00:00 2001 From: TheOriginalGraLargeShrimpakaReaper Date: Sun, 8 Dec 2024 21:31:05 +0100 Subject: [PATCH] LaTEX final lecture commit --- out/CDS1011_A2.pdf | Bin 186436 -> 186571 bytes term-paper/introduction.tex | 4 ++-- term-paper/research_questions_methodology.tex | 13 +++++++------ term-paper/results.tex | 5 ++++- term-paper/state_of_research.tex | 4 ++-- term-paper/title.tex | 2 +- 6 files changed, 16 insertions(+), 12 deletions(-) diff --git a/out/CDS1011_A2.pdf b/out/CDS1011_A2.pdf index 3b049a7673675a35ed7bbe7a03fc8288e0baab81..162b4500661ae7c387c6990dee2fc949b9a1f4f1 100644 GIT binary patch delta 10248 zcmai$Q+p(Uf<$B6$;9Tw*2K0twrzLE#>5lbw(U%uiEZ27-Ftt)zSMUf>iJX+)gk_^ zNBm6%&YNb`3_+WqhzbG&SG_1#v@5lzmZ5RUO#dgSOir0!B8^P)B;MQ83HY5z*v{S^ z(PvVB{aLryPrcLsuJy6{e7RZ4-6}&2*Y8qo?$nBMl;NCb#%C#z4eM!sqxIrZA7xVR z{Zg}f8QybZuZD}A5Y^_Ivq*GN@u0{R!e#JeD5zV{LM*)(#uE7mLG>JZSH9ddy zPb{}b^d&}l3_EE7svO_+x*2f8syz#%Z(rLtS`_ZIWF}+1mkj(B4mp{s#t2kr%(R5q zr{K)AMIR~;s-;HOLhbf%^2b6X-lCCx+!WJr%kDmoZd9D1LHX%D^ zJk&;`!Ix9T=m4>}FE=I38f!m{-16#%m_*9z*O=sEtN9QQISG$rIw}xR3HU`}5M^{w zZqh%C1P|xV5h|`Jm|q|aJ4Onu?Qm4q9lfF zc&bc@br|#AvFs{q(E;ewF}8+H0BVe~jfKM`*TCXoW{{R)36>aX)YpxuN1YElH5tZF zas&u+mlu}^RYe;it*1GOLL%GY_E-ri6Bz`&k|e0&gQ#(D;v)Gt@}Y~zgxfO3pj51; zY$wIn&yzx3Jj3SebrX1My;&O4OW88D&_pbgF4YpY*@Of6m=Wp3#2kDI)f0fb#iV`m zX&t~=5MJRrnFM%M7xk8Jc792n2+$alkY~pwug>S4<2cFQ zc>b8ifQ8C^wLPI6`WA*Zm~e(5HfM`yHiOrq1Ocze4%P@K9e9^g4ph5i$buTPj#0$K zQEz?mRfdB7?IMp5 zcJ?X1N68%I9E}zc1pzf6wnfs=+50?;;Vqx@c0k=iLiE%`sLq@`!g`DGEYeKWL6GWqq*lG=}uDHx^+snev7tFkC9ts-;a=#>Iwzx^_QNP)Eii7|3t zRd2SfX)ocR*+{}FNe{@5{_+j2L3d&eeHX15*%9;c#t~&-6zX)pmN5fM#&R#J}>p+?_Zhn+V*8Bw1 z{dC2@x=P~MR3Akr$IUN3n2gv5k*IN%mOhRvhUGqYZ)&q6`)~FH+7VS{-Uj&Ep3ilE zsYfFTa}}4tqlu# za~;r5Bf3g*=0YuGq_PFsY*06Tm1GRLsgX6g0oRfM`eSDueTWJq9E00dMZ5=f&+c9c_+2=)}1M+(iJyPm8mK7 z3#8N1+Lo3*aS@d%CDs*6lX?JsCg6k@hZpltMx1r9mbG?|z8s*(w|~g6G1~dp{K2m- zXfLVAiIF5aPds>&`~9^e|J>|M`(0fRR`Ss`JgM(vIj4j&G1qrgh?y`90wPvNf_Ivp zK+|sa6rF}Oj+?hU%kPK@BODlXpCdk}Y&z+2j%AmfQPcacFyJ>Fho`?&8zd}`Hy-RM zdff%%70c>>I@<;Y$o2e`(E$(GKEgE$LPum=&z)s2bc^)ylI{@I;88UR*oIPa+1>ef zw(ip}!xU??-ghAhQQ*(3&(6Ka&_fq^ZtPjkz#_`%7g`rX) zm7+tHU#R2TDj;t_7RX#sk!&UM57dXkE=nxYFmZY%f@KD&n)myX^-#ACroH~DszI{2 zIubnT3XCwzTiXg|CQ=;4j?KPwTdk5Hml5V)&Y*)dsg`si_RSW7G`dDDU3pF#w}9sIB*-Oh(MaO7K)*P<2NWxt*0I4&HmW86bJgS_ZzuIl}iQ z9%@B!8=WV?7hl%{wxLME7M$DYFbR9Mi?-1^;m2}N%Kp=_@L?O7=o9i7DZ(8S!H-tK z2!Rsx#UH#Cw%}L&lA=+y>b0b&5YTCQtX}kgx#^#^ff?eJcFzM8e2;st%O_d+>(9-j zP!0LX0GT}%#ja-kXApdo&Cwg^(gAo|Zf_Xmz7|cp2V2qz zck`snTr4b`ee61^!ifO0DY+a=`Xs8P6(;IaX3<~cQ$TQeiDGD&At@Fsc5FC;P)JJw z?SCO~_t3Z;04mPaV@hjQ-S-wT^NuGaH_1YaXAWo$1m@)>G?07n${BYq0~b*GxJ}(2 zB}%qF8GDWkrQ#Y}%I%OZdiaPWIR`VJ{7e0*CR}SwHWC3b34hA!mo@_d?Q!x`jSW}3 zRcQelgU-3z<{!Q6vOGNvbA(a%bkRfqLGH8YTuI1P6ih>4?=Q&Oj99@!;kgwNqt3oR zQYvKs&>-r5>w$vAqc~7$iEmM#K5CdLu=Hw^n@cVfqslfC#QxZG3+}Z|HqbbAc0G0q zmArEJkHuf_IMri!G`n0cYJE&V|QIZpTB8>CA<-? zL}G`@+dkAENu-+ME!zLtr)zqNkizF0KIwL;U+LD{5CL5m@BMV-RoQZ-BulYH;$HP0 z(BX#&FA_(?EF;mWzSV%2yL<^UCn}w9%dv&d`Q95vKrBwNm}@CJXeEc6E}(onPZ(i; z;}u?J4vdu76`riHH0Ex=}XkK+D=4#>CWS2AubTnL;OnK)^2;Qf9VAqlwaRm9@(sK zDPz^qEIp9JBc>l$5E5>0Y^zJsF)hEhB=P@#0&&YT8FfvklITOHw zfxjO~jg|3T7pGn@#*U##6zT2u6T+uZuFY5lo*=B?FtT!V`+<7OKwcE#mOajA<5L|QC`-_e*FnJ zt1iOF^vYEur-sytUHBzLu}iiZroPV1My)9^SBfX+_>4iCVj52ZNKHMbE^mI_VUnR? z4CgEPqBbkQoC1w8b01hRoP~@QI`a0w8@zZu) zoL}1GSvlA-;{4`q2onW_PS+gy>NyzEB@-j&`YAk&9<7koz9)gsKJylFDrG%gp zNBE70ORk$ID^I_@04TQCB7{4NU>%Q=uH_1qb^mL7DS2>pKv}Gke?~>69m^7k2=4r@99@j|LS)~KMr}r!E9V#t#F$GAHYugLHlyjwyhYS zTVD))a^~rLTp)4eK<%lL+CV6!Uo3xo%5#=f{u-qD@Y+nLpz*4|**WTw<-0c*4aA=v zhh-{2ol!VXLDqa879?L}!S{Z4bf4zMoY3N(ZYm*{QcA|O8c%=XoaXs^#F_ftJ(5%z ziXc~m$GES~M%JTk&<@y&#!@_`cP`aCv@W-DjQV5AsIWj96gJsR!qQxZu=;_}s1Q8a zIEQw&1j)%D9m7W-n$)MEb~4-!d-UUy7&!O#bo(@SL=20X$wyHd=xs9Ih1`|_ z%w+n#GMH;7hC#tz_|#djhG~hg9Y4;1_z1*h2F%~>Z*3hQFlRDA0wo6ajRc-Ej+EO& zBe-$;kw`fchJ~@@bRx%I=5i30t=;YHf)yuHq1Bqrr!fxA=0m)}>ucs&P-GpUz=*8d zq0u}JkM%&1(LiwjlhY!MeR&hvXaMqrWKhqX!{r8a&?NX?aElGgx-PCFZth^MQn#_x zlbP8Je{y^xVFdEa9AHhKNkpQO^D3(EhxOb<4wT0TCSEU50xo&i21j*Cw%p&c_+CYq z`Qom+Wo=s>Uj>=DuK=B1>H_sIV#m_esrK7rHcvbd81}l3Fw9Sk{^!6Y-4Myf^<@I& z_oIOMjyy>B01UKlPdcyy@#Wty6?Us$ZxE0u4vMs*3MtY2ei~0OuW*SST)HM(dQ#dK z&_Lm#bI$m^9$5L`1pDsOV3u`MP`@lFhLEY6sVvs3U`c+N74`eB3ya!|#aJ6rg;niu$1h zmF6^E*j!)X=_qmJ>}2V7=?3vhd13otw~{{(5BAAeyHtK6S&`~r!dCi~$BEt} z=v{;cBfMH#5=^R_=8U_VRw&hgtuD^>5DZxl4h3+;4g07+QI87#ZLJS`q^{uH$VG%+ z)6%a~B#iDng&8L#UyY9>RJqvl3Y_rwA8;D|F;*$PutSlFEj+xKGpsj|Vsf?CY9GwC zy{>bf#vJY;mS)MG_ANjIw00=9DD{5^sd2sw*JRvdcHi>pij%cG;2rsm1q~cF{GLZEFib9L-Cx zH|^mk3a?Xrj74wxf)k@{JvZd=J3P$4(s{!FS&(}&@3Kz)(R7sZDXO3aXaAvUCRO8jSZvI%Uc>f4MqMw>s@hoD_HE^#v)bgiXSdnwUvI#rvWGbP#lC&C#L9 zb%Y$K4i<7pxm#%t_-%QCpQ7g92Obv~I=V!p$>%5W3pC^^K^Df2#is0ZC4c_k!fgxj0wQxZ~8pwkr+}Pf3%wAKUWwW*FUUB!V z2u8T;|n5fgL^6k1We|;vLh#MD!vvp*Ai5AY8y$X*XhaAz3+c$@qK8kTo160no~!K z+(3zx24l_m0iF~reT0<-+jiMA!!tuX!kq>SF*jV+df~Y7hZ%hkxECS*U2(8y#v%V0 zbmOfW3%~7CagbXCRVqFMa)E$94Ok5rGfPzXqX};Arvj18`${wF6#bZ~STxJ;?X*YW z(`alcJw}3-Kvx5mYWm84DOY&Z1<=Q&RX1VrjGvw3$S0+f-;VHtg0ddHn&RF=Cv=eu z-4~NyA%{sQj|f9W=B(^X;7Vzvz-KkD+FyYXb0}ez@D6TJ4T%s-`3)OgoxoU#c(48(N$@-c0U0RJQ$O$YvXGqtvUfUJl4(0m7;YAMYhw;+po6N zebEBJ<*0I4))@7KTiM^b&WbOeiD2rR@=j zF$hkM|1S5XuC3$7SpBC^Z-KB5eApDQ!5bZ_?l5Ip+qZhmV=q>VLQ#X81cT8cimsm#bG|+VK9h~?&rnG^N0iJ|vUsM6 z-%5rXZ_A3X5QctAPZAG%M8O3p|feBnH1ZQ851248Cxhaky z*^%6aXM}d=p%;-k!p7b&>@=E>sYmna7h{i9r59kk)t!VIyO;|mFnRf~A>)t}W0bpV zQYq>}<~6iCe$Gf06C5vyf;^2_DX&=6lP$Zb6I^q!=l#&|cdUuTEjBt&9bo!+lpiV< zR~`d>SbAlh3jGgl>>=O|42Sh@02~>#rmf_6f>O>g^o2+CVyrQ3aE$DW8ZIDc^r7%o zY#dxuos;;ZCh?5HZE=T%JD~!o>Dx-C_9Q+8pbM7;U54hz^`ukb^#U;CvpN zp2A!_X|1}h!P`Ug>(*G)K+i&B2}>(P{_J|jqnaYWeBgY{1iCObmgQD}lx1?&33lu)vFMOj?@)XIq51TZ8hd$3J~nW=E` zmhnUyESQL2ZoXgsP)K1qlRM++wD9}p1Z5avH-4O~VvgiCmgpQYD4o94T%l4mi}m+M zsZ)u=`O;{kcfvhOdPacyRu--e{6At>q*Z5_t?K8Z1bh3sV>@|C(L|A+9N}YRmLW|O z9d#N{Jw!@$-8zbsto==N{>pcfvR|G}H~BUHU-GXL*jzm8b?hFoG_;ko)<>y2MJ&k< z%+F6rK7likS*(r)$_Ul~@4T$^g6JCzyNq2RBdej)yO(29L8zPyQBa6FQ1!4WQDbG{ zQlSq{U*JJfRLBj`&zr3UZ`?K8A44f^;HrrxTW>iL9wKPqfpsy%7^>xz^U~JXkdPRP zr&#ysDxHlJKZZ%37e8*R=q8{mUe^ncn*{kBGyZ<>3sm-CX`vr!<@i^%|Em|*NGacZ zw+Wd=FODpL18pc*4b zdaorfc&BH}Hx7?;e7o>6SNdfroWmSzyR$v!ol-VDOseeH2r7oXfK***Gq<+4s)DMuywxYqtaup; zKFr3I8mKGp!{AYqNdzmW+PPmY%Xql1woRS21=C#8fLwr}ZkGq2fm zWeOagOMH5QL?Mm4qC#VjR%z?@zP!@hgQSO~pu_BUYi?k77S<$U;$_w=Cl(N(_paqn>MJsP;I;_1k5FDXiVQHr$zY;uE`Ban^-EyiG%HfEWKf=Gc=j zNEoN)`Pd+CE%q_frF>N0*XMq5|BQ7W?^CELHtzGR!&a%IhvGf2ae4ckG^VL^D*n_R zzjrh!X%4Y__R0R~dBqyhT(liMRk0-v{{7t}Uy3WdCH(1mwEJ@1WOJR+;k=>y^7CjP zEk<~yw}sbd5dW=o-G}%w^I2>s$w`hC^wi>UEhjQV<5ABUqt_O?)fW4iQ=NG^mM?@e zq_q4x@ILfMM0MzE_;dvTO4#ZEnPMcy85dHj--c269@B`w{Ir%%jXPc2(c`;5^f`v{ z=_1QlMa{y(K%*JamTp}f>T)1yLG|x2T_y^zB3Z%FLu_0$9IgH>zL?*ge~s?}srm&ublfouC{^am@TI+zH+BM_Zl; z9{g^u*1+(xIlwkN-Xlsk30~n#f2lr>j?)^V`AJD6EIDrSs73R4$I-`T#r~jEJ&INM zZI!01gIMf1wI?G~;Pm}D#Y%S=bXKW9<7>Z=aw$?w>_s%hUZvE4IJjhjHVIgFk>GzQ zHEqqP=ejesA3>;mtjQucoWNO4KuNQkoZt1R#jiXbMP^@m!y9Q!nDIQE@VBVSbi3#{ z@~7IbzMp@y*|$BevS;{_8(Ap@>qhg+QERE;yqc`xYx(NxA>#N0KHpeRROkSSyFP(Oxu*KqbPlJhLtCzDo`DPiELX%uHgA-YR{aQiwW$$uO7yG zJ9}IySxwe_dM8aqukH`83Y0D^D*$g%A5t;DYLb@2I&v+sH`|2vNSqn6xP32IV4*vT z`99Q-x&FqXpl*HLJ!;22MRfEe|9f&S&P(Tn77FuA>GX1S=6L7Lk$1{*pwc%U@51J2`g^$J z_mkgXx?wh8DHb1Ot#G2Wcieq{&I)4ldPsjh-G-^{*$e-;4s`q;-@Y|m63EgINOy1H z+5K{MQ2`=-GCib2#}Yc9|Lo0AiNSe2%mJ`8KumpvO8H;A>O>1-`lU(e;dY? zgr?X3+K=dAF%>YiV~YFo#@*ue)ofX_-hgN$3Y$h z?Go0-7~kcVgf7PF7S;8I8#0lEoGHyeR_S zf{HXgM(w);BslEiKxdfXsD*_rA&fEGCj)9G|39)}d8iMA87};SJ~}3%mph(${C}8G zX`6D)#6v)-7&*B)2705xXpH zs)wN{A(qA_ntQtVrf0cY>wL(zwb+P|o=G`TPF+bVYB|u>#2!hK68n6Lg*Dk!XUXt%VWI|MrfW9CDyHac$ki8CNM*>zS@6is}>>nQg zM6a!8U*^fQQ|^O$3Bh8B&rsmG`f_s6o~`X?Kfn1sMkd5}eoJ+Z-kKS(pwRaqsHQ-| z!2|+Fg?cOJDSubm>r~q9U~X7@HnD|1SZqiyJX<1?e$#>!rZ+AEsov03yYN3S5=^qx zybA}60ybKuK50}6qCbpN4ClVNL;kGS6kKN%al0w-rG3adF7q)`2uA*RSjl`iQJ%pO zh{S&=%Y2CVrIctlM*%B%i|pe=((3b2LJZ1$^08~sS6bHy(YIy_858!=nJ%f#tg?9m zywj~Q8OqTSN!x$RN{|0KIJ)LfffsM}lPlD*5aMH+PSsGnu4%Hd9yi3om1wl+m%Z}Z zoW6?MCxyTS3$YAgKAPsH;Ng&Wd z$ek+Ngf4!(DucBv!&TOSXU`%N%@$)It(sENbAxcXQpD<`mhJzdC5xs{Jhqnk!PpgI zROAuZkRmlJ!#>W!P0d1L(;Hqt1>snQa#@ADTLn;`ghHMK16RVq@j?Xgf{a%};bQtw zVg~T+26^QBFvN|~sg1!)j0h~$ff!GntSQ@N3eFlcl?sg&TF+cl<&jkO8Cpp$WxDZp~C6{UXI zs_=()&Z#3&)x)|_udBqVjK38=bH^{e{zh%^TPR}5+t-F&rm1^%h50z|tpihHX(v;) zI7T%3Ipt92*o+yBd*RVxzo^i4(L;T>r7)1Lc1AVP{z-j*_}y{bC`_<5C4f8SRJUSI z(XqqJYldmbvR8#a!WfIq)d^fw+3^fk57b9lKU>oavuIRysFy6JNoBg1TqQqljIBU4 zyAp$Kyz|gXan9~4>EEBB2xZ@DowtfV@}eo&Z)7*7m~5?hbSz3sOm;DT9t;U17Y*>W zdiqhXg03QY*+sD@dO0g%N#Nf19V%H?87b3@)2R}#yw3J^w9DA`b^^GR*)gmhWyaq< zODgR=PE{FJ8x@&WYbSOG#V)R6Q`pu;hX2Ior*)yU2Tg|IvszdCC8XUgm3?I^HC^u(7Zm}x)RKU*Be zT407XIEsWSLbWQZyn}kx+1z-s#fdkIj{}};J##Ox85b$L0Y&vYNt3V_Z7*+UZI z6K*DW`mn|s9;QIhA^N-F#)*s7dDx+=ucDu{PXh7V@g~P|_`7#_zQKk|PwHRf|BQ3P z(fnqde;fNZnXl*3T;nW#Y(g}Wxpb*5hwjhq^}jKu7l8J~bfZ*_5A9sj+3#xX8eCu%N-=7LHwpL3tw&a-*YC>2@S zb88hQz9(SG){l!CB50JBB6Kwd$ujfed?`N+7tYLgNl?YUl%LPppsC$YuiXA<28bY> zeEC@ZB!fg3RTCj81-O&i_zl3UmC&UZA%zEH@OIc zUl&?XK1KayMD=BEa8_MHbeYFXwI>OG@fU&`PMzCjRXDVkB<3N(Mef6&OHx_@n!6tX zaz!sqRoAJqJ^wqiwS5muLg}}cNJhC%P88~Lm_|~nRQd*DgHxDk5TN0!$MUb?>hSUUg4 zPQ;&p3mYtyC5AH42bSPMqnaQK5A_j#S<1?)b7b*$BJ1$9XgJ#jK$*)lsU5BI@=vT$ z?ZHNoY^)-w+FvUJXL!M*kxTh}M2EgW%K0o=s`4E@cEiTn9JyL2l`drMam;nvrt) zTg%^s4#{IcMCsaxYMxf5zDbYOpN^n1zoEoNc!*d(0ee=eB7_WL=9y~eC3N&7l4P`x zd=8}3E-w&oMNH>Pbck1FU0wmfXE`rv2OX`4#Pxui#=8|sBj3EpjFU$BhgMFLQemun zBm&uTt$7B>fbO-uYJ8Z(;L||D!rh34jrQd1{nN6_%z-)$+lJZkI^U{7&G+u?S3P)l`Juan4}AA{PNh835SB0 zLpqA>o%=ABMu}tk58C3=AAW7Z%0`sI?0Vl7nq9Z|icQgVsaJ-?51mAO0^Y-&2m4b7s%wfHy*;(&C#u>7hfM6KwrovmT6<~f zM3I2b-+qkYiB>QhZtd->zxYo{VEdN-%D30g_*?JBv92KcD~|4d{G)RStq_b28hTCwAc(TqPe zvh`mR&IZ;PtN^4vJcVM()zO zbzr@kF9}lt8QFl*Q04|Xk#5Ol32pg?OomAAwKK=A>a}Jnav92u=H=58jm5^Ev{SRt zgU;36vW?qE4^LJxgujspfcCNiBeOHMdjtHbzV9X9as&AQ!e%rUBT$D>8pTDLZ1PEVnFTv7-V|0Lc_d*-@3vUy$ zj9%u(JS$8q%u5fW89qScLK)MA$GkDOE%l0qzS}hT&V;SC#V6g-R)_k8UNt&@1>#hY z7yez-hyRXPfqUgoK|l|}o;)eMv4Rdk{3kX_FR(p(&m_So(9Kn7Bediz=VnxHn5voT zCS5u3y|-T^AW>XQr5CEXChEQB=5aO@2pizZSx8RcOEq-syC)vl0|wtWYyGqLgjQ(Di3Q7zl7Y;BU}&+SagxgC_s(?tRKBx@r+ zus&6GO}At#u0*^-RT#D7Xd)s_w=++q76grXv)U$jA)k-~4mXooy4Lq698eS^4CrQT z7)J|o>UQq_QK@CTFo3rdoc(b{L}OvUZHwKC>h_$5sl|KbH$CgDkZ9bdcmv zhJVQ355{HbF3<3<>3YeClG^J4F{bY+_Csd#%rVgO=8(%@**K88D1r`$p6heZPN%ds zq=hQYyg>bYLmu9~MU3HMvHRYsvtKCGcXW;pefAU{tud@y;O}7WgN>2GRSrq(2I4u*z<6vrsF>ac>oItYzkiUWSb{KYVSy zhVpU@q#*c*pZ6((-rVtlv*j#OvEGlH^H2vn62Mr*}{m--OqZ1xY_QE@L3Yq47Af)?q4mRka4dRNlh1J$3Tqg#1ld*t3mXn5iK` z!gwJ!$sUhSLm|0Vk9;2|!+b6-c&OVY(Ou!_G}w9SIWU}2O=W$+ntDf5PoeL+-q)0d zykheG^l||m!u&-L!oBfzz;D@WQOa9!S0%#K;aea4)FopPQ{*Zt*N$;B#wxVuKd8($ zR{;F=@`LEd!bPd*IWo_QD(C6tmsfnxmzD2xW1z2dcL~JUfXvjN2o84$0uj4u2s;OP zDgNu`pXVZEhO7Xttc9#T$7z1ki{Yoc;iqXu{tOV9@32HwNyTq@h>Bi60~Qm-g7PC| zIJR1Sikw5iXQT-Z^K2QKpXb|uuTWsRo|5|pKUUAN?g`jHI~@^{;$^&mgnn9;>yP$u zK~E3tyaas8g`IX>0DwxIhL^lzW?nl>hpQmIUh)g7LUqO zbI8s$pli%*q|`roMBqT7wVe&`3vrPvP5`}!l@?ujBXf%jM|d`0|MU56;S7ki8gAl4 zqJ-0jZ#tA6b8_alz%s}%ZPL_OTgxnH$Zk%?J+jM)zCNWn)L+Nd%0bF`QM*H6kS*fK zF5}%&MJ)B}-4X{rR5%dNnnuabioJ=u*|TD}<=bb7QQ=(0>?djcudPxIoA5D$#NY6r zdRCm^peRRMmOo+08dx7Et}4LLF3X`%Umyc2(-Wy$h3gFDLS`q2r9fW7@@)P zCzD-ouQXq1b{Pj}PW}RV&)FH?DPOXtrEQyZ_wQ)UL&8A!1PMUDXf4)ONy9F_@_f znj+B=2Lf|gy@i<@IYup8PUs1)dF4E9rRO5fBsc*Fb6n6Ms9=hF?ib}<{S8GgHU*0U znCIm*RRRv-`)4ARvuEI^sO_)*(+W<&d!l7R47AG+mEx-Ds1Ax^L_vWe_L+-pSFgQr zZw-^YC^F2lFcg4T8El|$gq8)NOAN|AzXaX=`H%p3*dOA>ih8*K+eh1JVH1(#i zHgFHmBysiXVYz|VaBg?g92Kg-WUA?#YF52-?dZ4CR)_Fa=7ijN54)f=jsPAYv3Ul~ z;nX4_$55*zA2h=-wL^2?M|##|Xewr=N`KifZEalU+cOQCn`?{?673%H>Y2Gtr2=P< zB1TCZ35W?9{DDSij{gqQd_5&yR_vq7I7+w`-?ipG#fA!T(pVUc4d4nF9OHeUR zq6CZZnn;sWh9s}$f1nuvA(>O&twd6Txx8#9)hihNf`M1>^rRSQ?VjE(2>)((*0 zWb<^ze0LU+s)J2Dd&#kD%2N;{vr|s7n>p2sOZHA~5J2{?d>Sd*>0Z0c(J!EIs`9R$ z>>+bK<3I9H{0Xcau|LIaw30iNy-~hJES)DSOCJg-xnrEb81|(>VfHDmulXGlVpTI6 zikgVFW&wTVtDJ5B-5+#yMijZNRFc|DBFU~4+-2?B@Jnv1TiO#& zsxn!LWV0|G*C+XtidOHMvCA||JiFkD4zSA`$@Mi@y9)n7S7xGE9@>9WR*#yHH;L@< z2{YI~+lHl?8;#OQ`HF^A{!qBU?{duW0@@K|76#g3A{k8===>>13P zs+!S=FP-p6nU-u)w8u@N#!PC3c_CITM*RpAeyXOC#Z?EE7uQX$jKt`=omQbA4c{RBDQ#+IqWB+P!9fB5VVVf$Lf@Df+ZnIlxtndC2gL>`oZqG_1md9M7TlaxAEnf z`RY=dXlPh;iK+fM6%2g%(R*=NHua*Z5*mO4i8DW#6haOg}iAh4JSk*tY7Q_JSHL;e=R8lftrUT-E_ z?B_+L4sO@BpF3josaT+Cvk~g%@iwrnZP3Re%jo6!1q&xLpH)*#7JX*j0_(r`elQFP(tY|xZ z$3prUmTUg$^6vi=gjWbhd6pH+RkZrXA(xj2%2KvY!mX(<0L9U?zEOb$|5MzDG?&Pi(U5rIxHC-1IcgD|0~ zteFj3g-O^*I3^@~@BmDL?Rt<(7$pD+m{3eG3EOFbgAmG=3qvKF`Inl7S{lW-hN)jW zSXxFfiC`tGoiy01hU56;nb3?;e{4)}Qm`j6kPP7<&)ljbJ?17O8JEC?^PA z9sp%Il$A+?R{=p|DyOrH5b%Q_+Pr`^Doa|4A=W&^oGK)20kahv8L5#z8zjPJga_$|)14dzj6Vn>J$h8Q z+43SFYs_59)bC4}Z*mwyi}A^yI%k@d<}(}B|IRY5phM~MbF|4J=NEcxVt+0Iso-2O zg*gM+`dO zn7LJ~5Z~lE0*uwaS1rK*GzK}9Zj0vXZX-mjFHH@Hl_JF73R>NwqJA>Ft@B(_yMKMh z^wUdQr~xpPVn0Fq4WPL|iqg|8!<>naBbqZ{6c8y&RLO>O4v60a8I)^awgMaW?a=9b z^24vk_XqtmES+a4&RP7JshpnWmyF>v8cj+38XT}vzIMK`zAZ&N+4>Vs8cRc zsD;a8ZkT?5^=k<9>uHxi?xT5G8I(4S6pl+ai6rrhiTQ35{~KR^%&53Rq+<{# zH;Fp%8W&sHs+5)vNaYZxljPDQ zxVXYt4ET%>^r6-e=_s-*rSx+Pen<6dk`RX>CfPJ2$gd%i9W~Z&uBxEYLKR$UPjv#6 z5dQ&aC7)JwFU0re{HIR!bBEa7^VsuQdfVVQwQ1wXLP!i_jb6qqQw?1XiyTRkN`P+4 z(e&E_HpRG9^#w`{jJ&y=C_6ZBY*rJv6#b1iSQCL7%PF)%+KA{a-9SAAERYJiQc)dt zbT{d;nBHi|zt{psK-NCY`^rjKGb;3Ro_qvW3r)GQZwWRe)V`{jpPP^^b6RTjrI$be zQ1f`0MBv}jEw&x{^!eM}PF(rn=m*mf+r+#VE;bX^SS=N&Utv7D@BmFlaGJ}Ng-bZvA( zU&HDE@N=nMb>ejOG$79`7}VWEmbq5OpL^WA`2uFyo&qDcJ|8~qBK{3?-mTyb){_6v zFJIyF_-{HB8tMgejd;%C?*Q2S@A@8IJ_|rBu#u&yXw|?l4SLgQh{}RsEjWkdZi1B> z#S#k#tx~D1tTJATcK?g2j7kDZ<6)IAWM^aQqZo8IoUevJj*?ms_+mye47pER7kxCJyr0RaX*{xfD%{qX)23 z_tTH|^sb*`3pc8-GXDxD!cQ?>peu5U_ik5hEE4aFP-gD=A$4IUFVN~C^)Z0wAIsZZ z)9>1vVZn2Jk;vv_j`Bh=YTQSBr^fkf(Xzsl>$($bNwH(0(&Td+&!hFkf~O%{v7|=; z>H4tMTEXL@N3Z;xmcU`pPJ(gmff(?LQ0E`GsW@Uwzcn9Zbo^E+chKH*t*`q}ZCk3) z+45h#O5G#iM0QO*UulKuS=PCM5$4O;%Z|R3PqTE5X|IZ2 zp!$(va;fr9H8Zb3%i&&U#|;>G-{PA4EaYr>Er;UKO7YcP%a*6we8nihl|lRv?h)#W z<8Oa%hoPTHT_QGoul`(BwqswOK1;}?35mm(~tb$fWL5w;aWGKUb`0H~y zcYS@_eB3JX{JZCw*LgBghp(V7VN4LP_>kcj`}{DsjMPmOkbjd)gM4^v@iF<>7MN8cwO++1GcKcixcdWmc?nYjmO$O$wC3mirnwKXuJD zR}r^l*)@Hgu8;xt%LaBn+s_mP24d9`^3p*&kFMh|kDH0+ZyYAH;E^*6Wfa!74KGsY z@Xn%nuX;OXK5gWC)=Y~ztv2ec%&wyWdRTR?z~);+<{McH=~28_N}#2Y<177KCSv^P ziAZ<={VM~A&N5IR-_qUs)!kRZnG_8u@V0l7o4IyAx?=gn1!QIi+xh3^vsy9EP0cqk zsZWJPUgZz!A!EnEK0&Z;wJBUB4+QcQXQItTk(OnOS-h@wbQSSzeA0UePSC&KH|fh} zvY%b->rUcPKXsPt=2R5^qTOm2HMw?S&Rg=ET8|W{pdJ6RI_CY8kcejd@AE7-2Uv5? zngV0~<`j310PJTQ(nP@~HpUpd)J)?Xu#M%`@fjevLQVyHISkMZ*JL#@PGnJ={TeQ@ zu)fI4H#RP?cF$-c>@soZojE3C)(hTI^2|>6;k2X$>7^S6SC5Nhr~{$m3hIh~>=c%te+FD_HkJ_X$2NPxZcLvbx)C{6CtT4^~^V zP3Q$VRNdtLcJ|n+%x*?@EXdS9I(=9W&wgSX7v}eUJV@oS4D>W16nc;^4G2g9ZVU80 ztqmFhOB3@|ffp@rd8CcT!dsssMol}q+<8WQ-#`FS%d22Fqu84&;`!`YtDIFr@^X6a=6bq3s5d_$;h>aPA?L(CpWF*76fY(*meKX1xq z9|cMLy!hL29++<)n1o@#iHUWB{l`4+pp}2M`S#OpvFq z;r=TPP3*`X@2YZj8(eJv{%7XFvv!zk7ki^1u_HS1?$x0W`@A5rI~x7@W#|@8wB#6j ztMAu>>!4iiJ*UFx=uqw}w^oN3Fx`$)@3X(uj4M#%m*sDK?!vOIyWuo#vZbTzu(BI@ zr_X6EyF|cX8#nlN68_igTFKJwqS&9;bJ))v`Ei<~`zyy3e(r0QrrF`o1atY?Q^SOpp%U_cM_<>l$3) zZAmiI#9s=~-NSvkGq_t~s9QxBsQyV);v=sSTOSm|BR})vb8r@cm}{0eGy3^X{44qF zg_bi(GpisbgNnlA%(d=US*nw*H?jO$y!p(uWhhq-PEKAferZk#K5i*lE@=q?Nlq?) zf&aE-d1U!Hzj26C2>-tnLnL-(ODAi94F#9L|Cv0b^P^nQ>Nq2}?ra)TC2b6ILJEr~ zVJC*oyOehnWWj{rp78KY`{M|=`$qIQSsX9hzq($hypHk=@Z_Zb&O{Mt+^1lrgviPG z*KsF75;q{(Cn0Vmp$a4+zwU-ZF~E?&6eEmNC=K6VZ8Jn*jfHCJMY5iR2c86r;(kR6 z=@bLq(g9U)uSQ7Ds?)PW5;`(NMfkJ_ITn0#OVPN zd=8Sx%@PD?lu*zv5TP6}?;I%9NkJM>17vai{1*c-$^%Hs{ang}Sd)D$lT{zmn_lKj zy@_m7AYW`Y)=Hx=!x&JsjNuP$cXubANJbFzn_S8c9DV%^r;Ep7NCY y7+NpfA^GMXW}5#CcvzY`{ueo$*&(?DOx*z9ZkAR^ocuie`~pa{v@&Y4NdE)+(}BSN diff --git a/term-paper/introduction.tex b/term-paper/introduction.tex index 28f15cb..65aa593 100644 --- a/term-paper/introduction.tex +++ b/term-paper/introduction.tex @@ -3,10 +3,10 @@ % Preamble \section{Einleitung}\label{sec: einleitung} -Moderne Smartwatches wie die Apple Watch erkennen, ob sich der Träger bewegt und schlägt ein Workout vor, dass es klassifiziert hat.\\ +Moderne Smartwatches wie die Apple Watch erkennen, ob sich der Träger bewegt und schlägt ein Workout vor, das es klassifiziert hat.\\ Aber auch Wearables wie Kopfhörer sind in der Lage zu erkennen, ob der Träger aufsteht und anfängt zu laufen.\\ Je nach Präferenz können die Kopfhörer dann z.B.\ den Noise canceling Mode verlassen.\\\\ -Nicht jede*r trägt eine Smartwatch oder ein anderes Wearable auf sich, die allermeisten führen auf aber ein Smartphone mit sich.\\ +Nicht jede*r trägt eine Smartwatch oder ein anderes Wearable an sich, die allermeisten führen aber ein Smartphone mit sich.\\ Smartphones sind auch mit diversen Sensoren bestückt.\\ Allerdings variiert die Anzahl, Qualität und Art der verbauten Sensoren stark zwischen den Herstellern und deren Modellen und Preisklassen.\\ Daher stellt sich die Frage, ob die Daten für eine Vorhersage ausreichen. diff --git a/term-paper/research_questions_methodology.tex b/term-paper/research_questions_methodology.tex index f87599d..e3c8aec 100644 --- a/term-paper/research_questions_methodology.tex +++ b/term-paper/research_questions_methodology.tex @@ -4,7 +4,7 @@ % Preamble \section{Forschungsfragen und Methodik}\label{sec:forschungsfragen-und-methodik} -Die Forschungsfrage lautet, wie zuverlässig können Aktivitäten anhand von Smartphone Sensordaten erkannt werden. +Die Forschungsfrage besteht darin, wie zuverlässig können Aktivitäten anhand von Smartphone Sensordaten erkannt werden. 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: @@ -19,23 +19,24 @@ Dieser enthält Aktivitäten, gelabelt nach Sensordaten von Smartphones (Samsung \end{itemize} Der Datensatz wurde bereits in einen Test und Trainingsset unterteilt, wobei das Trainingsset 70\% und das Testset 30\% der Daten enthält. -Eine Datenaufbereitung war jedoch notwending, da manche Features einen für Pandas nicht eindeutigen Namen hatten. -Die folgenden zwei Features wurden als identisch gewertet: +Eine Datenaufbereitung war jedoch notwending, da manche Features einen für Pandas DataFrame nicht eindeutigen Namen hatten. +Beispielsweise wurden die folgenden zwei Features als identisch gewertet: \begin{itemize} \item fBodyGyro-bandsEnergy()-33,40 \item fBodyGyro-bandsEnergy()-41,48 \end{itemize} -Da der Datensatz eine hohe anzahl an Features enthält, wurde eine Feature Selection durchgeführt, um die Anzahl der Features zu reduzieren. Hierzu wurde die Korrelation jedes Features mit der Aktivität berechnet und die 20 Features mit der höchsten positiven und negativen Korrelation ausgewählt. +Da der Datensatz hunderte von Features enthält, wurde eine Feature Selection durchgeführt, um die Anzahl der Features zu reduzieren. +Hierzu wurde die Korrelation jedes Features mit der Aktivität berechnet und die 20 Features mit der höchsten positiven und negativen Korrelation ausgewählt. \begin{figure}[H] \centering \includegraphics[width=0.8\textwidth]{../media/corr.png} - \caption{Korrelation der Features mit der Aktivität} + \caption{Korrelation der Features mit der Aktivität}\label{fig:figure} \end{figure} Damit wurden 3 Modelle trainiert und mit dem F1-Score evaluiert: \begin{figure}[H] \centering \includegraphics[width=0.8\textwidth]{../media/models.png} - \caption{Modelle und deren F1-Score} + \caption{Modelle und deren F1-Score}\label{fig:figure2} \end{figure} diff --git a/term-paper/results.tex b/term-paper/results.tex index 53e6bb2..2751392 100644 --- a/term-paper/results.tex +++ b/term-paper/results.tex @@ -3,6 +3,9 @@ % Preamble \section{Resultate}\label{sec:resultate} +Mit den drei verwendeten Modellen lässt eine Vorhersage der Aktivitäten realisieren. +Allerdings unterscheiden sie sich bei der Genauigkeit der Vorhersage.\\ Der Decision Tree schneidet mit einem F1-Score von 0,58 am schlechtesten ab, da er im Vergleich zu komplexeren Modellen wie dem Random Forest eher anfällig für Overfitting ist und weniger robuste Entscheidungsregeln bildet. -Der Random Forest und KNN haben mit rund 0,68 einen ähnlichen F1-Score. Der Random Forest Algorithmus liefert durch die Kombination vieler Entscheidungsbäume stabilere Vorhersagen, der KNN-Algorithmus dagegen ist auch anfällig für Overfitting, was ihn etwas schlechter abschneiden lässt als Random Forest. +Der Random Forest und KNN haben mit rund 0,68 einen ähnlichen F1-Score. +Der Random Forest Algorithmus liefert durch die Kombination vieler Entscheidungsbäume stabilere Vorhersagen, der KNN-Algorithmus dagegen ist auch anfällig für Overfitting. Insgesamt liefert der Random Forest tendenziell die besten Ergebnisse. diff --git a/term-paper/state_of_research.tex b/term-paper/state_of_research.tex index 39ac4fd..841de01 100644 --- a/term-paper/state_of_research.tex +++ b/term-paper/state_of_research.tex @@ -3,6 +3,6 @@ % Preamble \section{Stand der Forschung}\label{sec: stand-der-forschung} -Human Activity Recognition (HAR) ist der Versuch, anhand von Sensordaten die aktivität einer Person zu bestimmen bzw. vorherzusagen~\cite{brownlee_gentle_2018}.\\ -Hierzu werden oft Convolutional Neural Network (CNN) verwendet~\cite{sikder_human_2021, brownlee_gentle_2018}, manchmal wird aber auch Machine Learning~\cite{alagoz_comparative_2024} verwendet.\\ +Human Activity Recognition (HAR) ist der Versuch, anhand von Sensordaten die Aktivität einer Person zu bestimmen bzw. vorherzusagen~\cite{brownlee_gentle_2018}.\\ +Hierzu werden oft Convolutional Neural Network (CNN) verwendet~\cite{sikder_human_2021, brownlee_gentle_2018}, manchmal wird aber auch auf Machine Learning~\cite{alagoz_comparative_2024} zurückgegriffen.\\ Ein allgemein beschriebenes Problem besteht darin, dass Menschen heterogene Aktivitäten ausführen und die Sensordaten sich selbst bei gleicher Aktivität und gleicher Sensorqualität unterscheiden können. diff --git a/term-paper/title.tex b/term-paper/title.tex index 007a010..c96d7ec 100644 --- a/term-paper/title.tex +++ b/term-paper/title.tex @@ -6,7 +6,7 @@ \subtitle{Anwendung und Vergleich von Random Forest, KNN und DecisionTrees auf dem UCI HAR Datensatz} \author[1,*]{Oliver Schütz} \author[2,*]{Michael Graber} -\affil[1]{Fachhochschule Graubünden} +\affil[1,2]{Fachhochschule Graubünden} \affil[*]{E-Mail Adressen: oliver.schuetz@stud.fhgr.ch, michael.graber@stud.fhgr.ch} \date{\today} \maketitle