Fugu-MT 論文翻訳(概要): Citizen participation: crowd-sensed sustainable indoor location services

論文の概要: Citizen participation: crowd-sensed sustainable indoor location services

arxiv url: http://arxiv.org/abs/2310.16496v1
Date: Wed, 25 Oct 2023 09:30:22 GMT
ステータス: 処理完了
システム内更新日: 2023-10-26 15:33:59.168222
Title: Citizen participation: crowd-sensed sustainable indoor location services
Title（参考訳）: 市民参加:クラウドセンシングによる屋内位置情報サービス
Authors: Ioannis Nasios, Konstantinos Vogklis, Avleen Malhi, Anastasia Vayona, Panos Chatziadam and Vasilis Katos
Abstract要約: 本稿では,屋内位置認識のための汎用機械学習手法を提案する。その結果,提案手法は2m未満の精度を達成でき,かなりの数のBSSIDが投下された場合でもモデルが回復可能であることがわかった。
参考スコア（独自算出の注目度）: 2.5165775267615205
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In the present era of sustainable innovation, the circular economy paradigm dictates the optimal use and exploitation of existing finite resources. At the same time, the transition to smart infrastructures requires considerable investment in capital, resources and people. In this work, we present a general machine learning approach for offering indoor location awareness without the need to invest in additional and specialised hardware. We explore use cases where visitors equipped with their smart phone would interact with the available WiFi infrastructure to estimate their location, since the indoor requirement poses a limitation to standard GPS solutions. Results have shown that the proposed approach achieves a less than 2m accuracy and the model is resilient even in the case where a substantial number of BSSIDs are dropped.
Abstract（参考訳）: 持続可能なイノベーションの時代において、循環経済のパラダイムは、既存の有限資源の最適利用と活用を決定する。同時に、スマートインフラストラクチャへの移行には、資本、リソース、人々へのかなりの投資が必要です。本研究では,室内における位置認識を実現するための汎用機械学習手法を提案する。屋内での要求は標準的なGPSソリューションに制限を与えるため,スマートフォンを搭載した訪問者が利用可能なWiFiインフラと対話して位置情報を推定するユースケースを探る。その結果,提案手法は2m未満の精度を達成でき,かなりの数のBSSIDが投下された場合でもモデルが回復可能であることがわかった。

関連論文リスト

A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles [49.86094523878003]
モバイルAIGCサービスアロケーションのための分散インセンティブ機構を提案する。我々は、AIGCサービスのRSUへの供給と、IoVコンテキスト内のサービスに対するユーザ要求のバランスを見つけるために、マルチエージェントの深層強化学習を採用している。
論文参考訳（メタデータ） (2024-03-29T12:46:07Z)
Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with Online Learning [60.17407932691429]
基地局(vBS)を備えたオープンラジオアクセスネットワークシステムは、柔軟性の向上、コスト削減、ベンダーの多様性、相互運用性のメリットを提供する。本研究では,予期せぬ「混み合う」環境下であっても,効率的なスループットとvBSエネルギー消費のバランスをとるオンライン学習アルゴリズムを提案する。提案手法は, 課題のある環境においても, 平均最適性ギャップをゼロにすることで, サブ線形後悔を実現する。
論文参考訳（メタデータ） (2023-09-04T17:30:21Z)
On Inferring User Socioeconomic Status with Mobility Records [61.0966646857356]
本稿では,DeepSEIと呼ばれる,社会経済に配慮したディープモデルを提案する。 DeepSEIモデルはディープネットワークとリカレントネットワークと呼ばれる2つのネットワークを組み込んでいる。実際の移動記録データ、POIデータ、住宅価格データについて広範な実験を行う。
論文参考訳（メタデータ） (2022-11-15T15:07:45Z)
Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural Networks on Edge NPUs [74.83613252825754]
スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
論文参考訳（メタデータ） (2022-09-27T15:04:01Z)
Machine Learning-Based User Scheduling in Integrated Satellite-HAPS-Ground Networks [82.58968700765783]
第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
論文参考訳（メタデータ） (2022-05-27T13:09:29Z)
Hierarchical Multi-Building And Multi-Floor Indoor Localization Based On Recurrent Neural Networks [2.0305676256390934]
Wi-Fiフィンガープリントを用いたリカレントニューラルネットワーク(RNN)に基づく階層型マルチビルディングとマルチフロア屋内ローカライゼーションを提案する。提案手法は建物と床をそれぞれ100%と95.24%の精度で推定し、三次元位置決め誤差は8.62mである。
論文参考訳（メタデータ） (2021-12-23T11:56:31Z)
CHISEL: Compression-Aware High-Accuracy Embedded Indoor Localization with Deep Learning [4.657486836910778]
WiFi指紋認証による屋内のローカライゼーションは、この需要を満たす最も有望な方法の1つだ。そこで我々は,CHISELと呼ばれる圧縮認識・高精度深層学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-07-02T17:00:01Z)
WiFi Fingerprint Clustering for Urban Mobility Analysis [20.190366137684205]
スマートフォンアプリケーションデータからWi-Fi計測を利用してユーザポイント(POI)を識別するための教師なし学習手法を提案する。屋内・シェルター・高層建築環境におけるGPS位置決め精度の欠如により、現代都市部において広く利用可能なWiFiアクセスポイント(AP)に依存している。周囲のWiFi APをスキャンし、監視されていない学習を行い、3つの大きな洞察を識別できることを実証するシステムアーキテクチャを提案します。
論文参考訳（メタデータ） (2021-05-04T03:46:14Z)
QuickLoc: Adaptive Deep-Learning for Fast Indoor Localization with Mobile Devices [4.286327408435937]
本稿では,深層学習に基づく屋内定位フレームワークの計算要件を削減する手法を提案する。提案手法は,複数のスマートフォンに展開し,検証する。
論文参考訳（メタデータ） (2021-04-15T15:19:21Z)
Predicting cell phone adoption metrics using satellite imagery [1.2691047660244335]
世界の人口の約半数はインターネットにアクセスできないが、デジタル接続は経済発展の機会に革命をもたらすことによって貧困を減らすことができる。モバイルネットワーク事業者と政府は、特に需要が不明なグリーンフィールド地域で、インフラ投資が有効かどうかを効果的に判断するのに苦労している。本稿では,携帯電話の普及やモバイルサービスへの支出など通信需要の指標を予測するために,公開衛星画像を用いた機械学習手法を提案し,その手法をマラウイとエチオピアに適用する。
論文参考訳（メタデータ） (2020-06-12T16:47:45Z)
Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文参考訳（メタデータ） (2020-01-13T04:41:54Z)

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。