文献

J-GLOBAL ID：202002256603911273   整理番号：20A0778626

ディープ学習増強ホログラフィーを用いたAdArF適応RFIDベース屋内位置決め【JST・京大機械翻訳】

AdaRF Adaptive RFID-based Indoor Localization Using Deep Learning Enhanced Holography

著者 (4件)： Xu Huatao (Shanghai Jiao Tong University, China) ,  Wang Dong (Shanghai Jiao Tong University, China) ,  Zhao Run (Shanghai Jiao Tong University, China) ,  Zhang Qian (Shanghai Jiao Tong University, China)
資料名： Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies  (Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies)
巻： 3  号： 3  ページ： 1-22  発行年： 2019年 
JST資料番号： W5681A  ISSN： 2474-9567  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 今日では,RFIDに基づく位置確認システムは,多くの工場および倉庫において,製品を選別または位置決めするために広く展開されている。これらのシステムは,多経路に富むシナリオにおいて厳しい精度劣化を受ける可能性のある一般化された方式である。環境干渉を抑制するために,著者らは,個々の環境のために適応可能な位置確認モデルを作成するために,深い学習強化ホログラフィーを活用する,細粒RFIDベースの屋内位置確認システムAdaRFを提示した。鍵となるアイデアは,その展開された環境において高い位置決め精度を達成するために,少数の既知の位置タグからの信号を用いて位置確認モデルを最適化することである。この点に基づいて,各タグに対してロバストな位置独立確率マップを生成する,付加的微分ヒストグラム(ADH)を提案した。AdaRFは,次にニューラルネットワークを活用して,効果的なホログラフィーベースの位置推定法を作り出す。それは,全体のホログラムを分析することによって目標タグ位置を推定する。また,位置推定モデルの訓練コストを大幅に下げるために,移動学習技術を導入し,同時に高精度を確保した。比較実験により,AdaRFは,複雑なシナリオにおいてさえ,一つの移動アンテナのみを用いて,横方向と半径方向の両方において,cmレベルの位置決め精度を達成することを実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  倉庫 ,  ニューラルネットワーク ,  位置決め ,  半径方向 ,  *ホログラフィー ,  最適化 ,  ヒストグラム ,  比較試験 ,  微分 ,  ホログラム ,  干渉 ,  ロバスト性 ,  *RFID
準シソーラス用語： *屋内位置決め , 【Automatic Indexing@JST】

著者キーワード (4件)： 隣接微分ホログラム ,  深層学習 ,  位置決め ,  RFID

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (6件)： 学習 ,  増強 ,  ホログラフィー ,  適応 ,  RFID ,  屋内位置決め