STELLAR：用于克服室内定位中时间变化与设备异质性的孪生多头注意力神经网络
机器学习
2023-12-19 v1
摘要
基于智能手机的室内定位已成为在室内对移动设备和 IoT 设备进行定位的高性价比且精确的解决方案。然而，设备异质性和时间变化的挑战阻碍了其广泛采用和准确度。为了全面且联合地应对这些挑战，我们提出了 STELLAR，这是一个实现对比学习方法并利用孪生多头注意力神经网络的新颖框架。STELLAR 是首个在室内定位中同时解决设备异质性和时间变化的解决方案，且无需重新训练模型（免重新校准）。我们在多种室内环境下的评估表明，与 SOTA 技术相比，其准确度提升了 8-75%，有效解决了设备异质性挑战。此外，在长达 2 年的时间变化中，STELLAR 的表现比现有方法高出 18-165%，展示了其鲁棒性和适应性。
引用
@article{arxiv.2312.10312,
title = {STELLAR: Siamese Multi-Headed Attention Neural Networks for Overcoming Temporal Variations and Device Heterogeneity with Indoor Localization},
author = {Danish Gufran and Saideep Tiku and Sudeep Pasricha},
journal= {arXiv preprint arXiv:2312.10312},
year = {2023}
}