Fugu-MT 論文翻訳(概要): Deep Learning-based Symbolic Indoor Positioning using the Serving eNodeB

論文の概要: Deep Learning-based Symbolic Indoor Positioning using the Serving eNodeB

arxiv url: http://arxiv.org/abs/2009.13675v1
Date: Mon, 28 Sep 2020 23:00:28 GMT
ステータス: 処理完了
システム内更新日: 2022-10-13 22:33:01.700438
Title: Deep Learning-based Symbolic Indoor Positioning using the Serving eNodeB
Title（参考訳）: サービングenodebを用いた深層学習に基づくシンボリック屋内位置決め
Authors: Fahad Alhomayani and Mohammad Mahoor
Abstract要約: 提案手法では、サービスeNodeBから発するセル信号を利用することで、特殊な位置決めインフラの必要性を解消する。本研究では,8つのシンボル空間からなる代表的なアパート内の2つの異なるスマートフォンから収集した実世界データを用いて,提案手法の評価を行った。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a novel indoor positioning method designed for residential apartments. The proposed method makes use of cellular signals emitting from a serving eNodeB which eliminates the need for specialized positioning infrastructure. Additionally, it utilizes Denoising Autoencoders to mitigate the effects of cellular signal loss. We evaluated the proposed method using real-world data collected from two different smartphones inside a representative apartment of eight symbolic spaces. Experimental results verify that the proposed method outperforms conventional symbolic indoor positioning techniques in various performance metrics. To promote reproducibility and foster new research efforts, we made all the data and codes associated with this work publicly available.
Abstract（参考訳）: 本稿では,住宅を対象とした屋内位置決め手法を提案する。提案手法では,特定の位置決めインフラストラクチャを必要とせず,サービングenodebから発するセル信号を利用する。さらに、Denoising Autoencoderを使用して、細胞シグナル損失の影響を軽減する。提案手法は, 2台の異なるスマートフォンから収集した実世界データを用いて, 8つの象徴空間の代表的なアパート内で評価した。実験により,提案手法が従来の室内位置決め手法を各種性能指標で上回ることを確認した。再現性の向上と新たな研究の推進を目的として,本研究に関連するすべてのデータとコードを公開した。

関連論文リスト

Syn-to-Real Unsupervised Domain Adaptation for Indoor 3D Object Detection [50.448520056844885]
室内3次元物体検出における非教師なし領域適応のための新しいフレームワークを提案する。合成データセット3D-FRONTから実世界のデータセットScanNetV2とSUN RGB-Dへの適応結果は、ソースオンリーベースラインよりも9.7%、9.1%のmAP25が顕著に改善されていることを示している。
論文参考訳（メタデータ） (2024-06-17T08:18:41Z)
Positional Encoding-based Resident Identification in Multi-resident Smart Homes [1.2084539012992412]
本稿では,多人数居住型スマート環境における住民識別のための新しい住民識別フレームワークを提案する。提案フレームワークは位置符号化の概念に基づく特徴抽出モデルを用いている。我々は、スマート環境のレイアウトマップからそのようなグラフを構築するための新しいアルゴリズムを設計する。
論文参考訳（メタデータ） (2023-10-27T01:29:41Z)
WiFi Based Distance Estimation Using Supervised Machine Learning [0.0]
近年、WiFiは人やデバイスを屋内で見つけるための主要な情報源となっている。所定のWiFi指紋間の空間距離を測定することは、信号距離関数の選択によって大きく影響を受ける。本研究では,指紋間の地理空間距離を推定するための機械学習の利用を提案する。
論文参考訳（メタデータ） (2022-08-15T13:48:46Z)
Deep Learning Methods for Fingerprint-Based Indoor Positioning: A Review [5.21855879789247]
位置フィンガープリンティングは、屋内位置決めのための有効な方法および解決策として登場した。指紋認証のためのディープラーニング手法は、従来の機械学習アルゴリズムよりも優れている。深層学習をフィンガープリントに組み込むことで、大幅な改善がもたらされる一方で、新たな課題も導入されている。
論文参考訳（メタデータ） (2022-05-30T09:01:59Z)
A Kernel Method to Nonlinear Location Estimation with RSS-based Fingerprint [33.14527257036209]
我々は、M$M$のグリッドポイントを持つ大きな場所を考え、各グリッドポイントにはユニークな指紋がラベル付けられている。スマートフォンで観察される指紋から、利用者の現在位置をトップk類似の指紋を見つけることで推定することができる。提案手法は,1)保持位置の微妙な変化に敏感なビーコンのサブセットを選択するビーコン選択戦略と,2)観測信号のサブセットとデータベースに登録されているすべての指紋との類似性を計算するカーネル手法とからなる。
論文参考訳（メタデータ） (2022-04-07T20:30:43Z)
RFID-Based Indoor Spatial Query Evaluation with Bayesian Filtering Techniques [15.551753101355622]
屋内空間問合せアルゴリズムを多種多様な位置ベースアプリケーションに適用する。本研究では,屋内空間問合せ評価の基盤としてベイズフィルタを用いた位置推定手法を提案する。推論手法と追跡モデルに基づいて、革新的な屋内範囲とk近傍のクエリアルゴリズム(kNN)を開発する。
論文参考訳（メタデータ） (2022-04-02T02:52:19Z)
Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文参考訳（メタデータ） (2021-06-23T17:27:04Z)
LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
論文参考訳（メタデータ） (2021-02-05T04:26:05Z)
ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
ProxyFAUGはルールベースで近接性に基づく指紋増強法である。このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
論文参考訳（メタデータ） (2021-02-04T15:59:30Z)
Unsupervised Metric Relocalization Using Transform Consistency Loss [66.19479868638925]
メートル法再ローカライズを行うためのトレーニングネットワークは、従来、正確な画像対応が必要である。地図内のクエリ画像のローカライズは、登録に使用される参照画像に関係なく、同じ絶対的なポーズを与えるべきである。提案手法は, 限られた地下構造情報が得られる場合に, 他の教師あり手法よりも優れていることを示す。
論文参考訳（メタデータ） (2020-11-01T19:24:27Z)
Zero-Shot Multi-View Indoor Localization via Graph Location Networks [66.05980368549928]
屋内ローカライゼーションは、位置ベースアプリケーションにおける基本的な問題である。本稿では,インフラストラクチャフリーで多視点画像に基づく屋内ローカライゼーションを実現するために,新しいニューラルネットワークアーキテクチャであるGraph Location Networks(GLN)を提案する。 GLNは、メッセージパッシングネットワークを通じて画像から抽出されたロバストな位置表現に基づいて位置予測を行う。新たにゼロショット屋内ローカライズ設定を導入し,提案したGLNを専用ゼロショットバージョンに拡張することで,その課題に対処する。
論文参考訳（メタデータ） (2020-08-06T07:36:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。