学习定位函数：指纹定位的机器学习方法
网络与互联网体系结构
2018-03-23 v1 机器学习
机器学习
摘要
作为一种数据驱动的方法，指纹定位解决方案因其良好的性能和对环境信息的最低要求而广受欢迎。本文探讨人工智能的应用，以解决基于接收信号强度指示的指纹定位中的两个问题：一是繁琐的训练数据库构建，二是在环境变化轻微的相似建筑间指纹算法的外推。在简要概述深度学习设计技术后，针对上述问题利用了深度学习中广泛使用的两种主要技术，即数据增强和迁移学习。我们训练了一个多层神经网络，学习从观测到位置的映射。提出了一种基于 RSSI 测量结构的数据增强方法来增加训练数据库规模，从而有效减少训练数据量。随后通过实验表明，针对特定建筑训练的模型如何通过以显著更小的训练数量进行微调，迁移至相似建筑。本文隐式讨论了在新的应用语境中采用深度学习设计时应考虑的新指南。
引用
@article{arxiv.1803.08153,
title = {Learning the Localization Function: Machine Learning Approach to Fingerprinting Localization},
author = {Linchen Xiao and Arash Behboodi and Rudolf Mathar},
journal= {arXiv preprint arXiv:1803.08153},
year = {2018}
}