基于 GAN 的半监督学习用于无设备指纹室内定位
信号处理
2020-08-18 v1 机器学习
摘要
无设备无线室内定位是物联网（IoT）的一项关键使能技术。基于指纹的室内定位技术是常用的解决方案。本文提出一种基于半监督生成对抗网络（GAN）的无设备指纹室内定位系统。所提系统使用少量标注数据与大量未标注数据（即半监督），从而显著减少昂贵的数据标注工作。实验结果表明，与最先进的监督方案相比，所提半监督系统在等量充足标注数据下取得相当的性能，而在等量高度受限标注数据下性能显著更优。此外，所提半监督系统在较广的标注数据量范围内保持性能稳定。文中还直观考察并讨论了所提基于 GAN 系统的生成器、判别器与分类器模型之间的相互作用。同时给出了所提系统的数学描述。
引用
@article{arxiv.2008.07111,
title = {Semi-Supervised Learning with GANs for Device-Free Fingerprinting Indoor Localization},
author = {Kevin M. Chen and Ronald Y. Chang},
journal= {arXiv preprint arXiv:2008.07111},
year = {2020}
}
备注
Accepted at IEEE GLOBECOM 2020