SANGRIA: 基于堆叠自编码器神经网络和梯度提升的室内定位方法
机器学习
2024-03-05 v1 人工智能
信号处理
摘要
室内定位是许多嵌入式应用中的关键任务，例如资产跟踪、应急响应和实时导航。在本文中，我们提出了一种新的基于指纹的室内定位框架，名为SANGRIA，它使用堆叠自编码器神经网络和梯度提升树。我们的方法旨在克服设备异构性挑战，该挑战会导致用于定位的嵌入式设备之间的无线信号测量存在不确定性。我们将SANGRIA与几种最先进的框架进行了比较，结果表明，在不同的室内环境和异构设备中，平均定位误差降低了42.96%。
引用
@article{arxiv.2403.01348,
title = {SANGRIA: Stacked Autoencoder Neural Networks with Gradient Boosting for Indoor Localization},
author = {Danish Gufran and Saideep Tiku and Sudeep Pasricha},
journal= {arXiv preprint arXiv:2403.01348},
year = {2024}
}