論文の概要: SmartFPS: Neural Network based Wireless-inertial fusion positioning system

• arxiv url: http://arxiv.org/abs/2209.13261v2
• Date: Wed, 28 Sep 2022 04:29:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 13:07:53.909514
• Title: SmartFPS: Neural Network based Wireless-inertial fusion positioning system
• Title（参考訳）: smartfps: ニューラルネットワークを用いた無線慣性融合測位システム
• Authors: Luchi Hua, Jun Yang
• Abstract要約: 本稿では,ディープラーニングに基づく融合位置決めシステムを提案し,ニューラルネットワークモデルの性能向上のための伝達学習戦略を提案する。 移動学習実験の結果, 歩行者の慣性航法位置決めステップの大きさと回転角を平均53.3%向上できることがわかった。
• 参考スコア（独自算出の注目度）: 3.632876183725243
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The current fusion positioning systems are mainly based on filtering algorithms, such as Kalman filtering or particle filtering. However, the system complexity of practical application scenarios is often very high, such as noise modeling in pedestrian inertial navigation systems, or environmental noise modeling in fingerprint matching and localization algorithms. To solve this problem, this paper proposes a fusion positioning system based on deep learning and proposes a transfer learning strategy for improving the performance of neural network models for samples with different distributions. The results show that in the whole floor scenario, the average positioning accuracy of the fusion network is 0.506m. The experiment results of transfer learning show that the estimation accuracy of the inertial navigation positioning step size and rotation angle of different pedestrians can be improved by 53.3% on average, the Bluetooth positioning accuracy of different devices can be improved by 33.4%, and the fusion can be improved by 31.6%.
• Abstract（参考訳）: 現在の融合位置決めシステムは、主にカルマンフィルタリングや粒子フィルタリングといったフィルタリングアルゴリズムに基づいている。 しかし,歩行者慣性ナビゲーションシステムにおけるノイズモデリングや,指紋マッチングや局所化アルゴリズムにおける環境ノイズモデリングなど,実用シナリオのシステム複雑性は非常に高い場合が多い。 そこで本研究では,深層学習に基づく融合位置決めシステムを提案し,異なる分布を持つサンプルに対するニューラルネットワークモデルの性能向上のための伝達学習戦略を提案する。 その結果,全フロアシナリオにおいて,核融合ネットワークの平均測位精度は0.506mであった。 トランスファー・ラーニング実験の結果、歩行者の慣性航法位置決めステップサイズと回転角の推定精度を平均53.3%向上させ、異なる機器のbluetooth測位精度を33.4%向上させ、融合率を31.6%向上させることができた。

関連論文リスト

• Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
  マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。 我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。 4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
  論文  参考訳（メタデータ） (2024-03-30T17:29:13Z)
• Match and Locate: low-frequency monocular odometry based on deep feature matching [0.65268245109828]
  本稿では,1台のカメラしか必要としないロボットオドメトリーの新たなアプローチを提案する。 アプローチは、深い特徴マッチングモデルを用いて、ビデオストリームの連続フレーム間の画像特徴のマッチングに基づいている。 本研究では,AISG-SLAビジュアルローカライゼーションチャレンジにおける手法の性能評価を行い,計算効率が高く,実装が容易であるにもかかわらず,競合する結果が得られた。
  論文  参考訳（メタデータ） (2023-11-16T17:32:58Z)
• Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology [55.41644538483948]
  リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。 本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
  論文  参考訳（メタデータ） (2023-03-10T14:46:42Z)
• Collaborative Learning with a Drone Orchestrator [79.75113006257872]
  インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。 提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
  論文  参考訳（メタデータ） (2023-03-03T23:46:25Z)
• A Hybrid Model and Learning-Based Adaptive Navigation Filter [0.0]
  本稿では,ハイブリッドモデルと学習に基づく適応ナビゲーションフィルタを提案する。 提案手法は位置誤差が25%向上したことを示す。
  論文  参考訳（メタデータ） (2022-06-14T17:10:47Z)
• Enabling Efficient Deep Convolutional Neural Network-based Sensor Fusion for Autonomous Driving [10.326217500172689]
  DCNN間の融合は、良好な認識精度を達成するための有望な戦略として証明されている。 本稿では,融合した特徴マップ間の特徴差の度合いを計測する特徴不均一度尺度を提案する。 また、計算オーバーヘッドを少なくして精度を向上できる層共有手法をディープ層に提案する。
  論文  参考訳（メタデータ） (2022-02-22T23:35:30Z)
• Parallel Successive Learning for Dynamic Distributed Model Training over Heterogeneous Wireless Networks [50.68446003616802]
  フェデレートラーニング(Federated Learning, FedL)は、一連の無線デバイスにモデルトレーニングを配布する一般的なテクニックとして登場した。 我々は,FedLアーキテクチャを3次元に拡張した並列逐次学習(PSL)を開発した。 我々の分析は、分散機械学習におけるコールド対ウォームアップモデルの概念とモデル慣性について光を当てている。
  論文  参考訳（メタデータ） (2022-02-07T05:11:01Z)
• Research on Optimization Method of Multi-scale Fish Target Fast Detection Network [11.99307231512725]
  2000枚の魚画像でネットワークをテストする精度は94.37%に達し、BFLOPSの計算複雑性はわずか5.47である。 その結果, BTP-Yolov3はモデルパラメータが小さく, 計算速度が速く, 運転時のエネルギー消費量も小さいことがわかった。
  論文  参考訳（メタデータ） (2021-04-11T16:53:34Z)
• Inception Convolution with Efficient Dilation Search [121.41030859447487]
  拡散畳み込みは、効果的な受容場を制御し、オブジェクトの大規模な分散を処理するための標準的な畳み込みニューラルネットワークの重要な変異体である。 そこで我々は,異なる軸,チャネル,層間の独立な拡散を有する拡張畳み込みの新たな変異体,すなわち開始(拡張)畳み込みを提案する。 本稿では,データに複雑なインセプション・コンボリューションを適合させる実用的な手法を探索し,統計的最適化に基づく簡易かつ効果的な拡張探索アルゴリズム(EDO)を開発した。
  論文  参考訳（メタデータ） (2020-12-25T14:58:35Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。