文献

J-GLOBAL ID：202002288477801133   整理番号：20A2691180

再帰的特徴除去アルゴリズムによる特徴ランキングによる無線屋内位置決め応用のための機械学習ベース予測モデルの開発【JST・京大機械翻訳】

Development of Machine Learning-based Predictive Models for Wireless Indoor Localization Application with Feature Ranking via Recursive Feature Elimination Algorithm

著者 (2件)： Cruz Jennifer C. Dela (Mapua University,School of Electrical, Electronics, and Computer Engineering) ,  Amado Timothy M. (Mapua University,School of Electrical, Electronics, and Computer Engineering)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSPCC  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 切断エッジ無線技術は,超高速データ通信からモノのインターネットへの巨大なアレイを提供する。しかし,現在の既存のインフラストラクチャは,これらの使用事例を扱うことができない。その結果,機械学習(ML),深層学習(DL),強化学習(RL),および人工知能(AI)のような計算知能アルゴリズムを無線ネットワークインフラストラクチャに適用する傾向になっている。そして,これらの応用の1つは,無線屋内位置確認である。無線アクセスポイント(WAP)は,無線アクセスポイント(WAP)を利用して,GPSの概念と同様に,ユーザの位置を特定するための信号強度指標(RSSI)値を利用する。本論文の目標は,スマートフォンが受信するRSSI読み取りを用いてユーザの位置を予測するために使用できる予測モデルを開発することである。本研究では,サポートベクトルマシン,ランダムフォレスト,Naive-Bayes分類器およびニューラルネットワークである4つのMLアルゴリズムを用いた。各モデルの精度は,それぞれ97.83%,97.67%,98.50%および97.33%であった。また,再帰的特徴除去アルゴリズムも用いて,他のすべての特徴の中で最小の影響を持つ予測子を決定し,WAP2が予測モデルを開発するときに最小の影響に寄与することが分かった。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  ニューラルネットワーク ,  人工知能 ,  インフラストラクチャー ,  GPS ,  *機械学習 ,  強化学習 ,  *予測モデル ,  サポートベクトルマシン ,  スマートフォン
準シソーラス用語： 無線アクセス ,  ランダムフォレスト ,  モノのインターネット ,  深層学習 ,  *屋内位置決め , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： アルゴリズム ,  特徴ランキング ,  無線 ,  屋内位置決め ,  応用 ,  機械学習 ,  予測モデル ,  開発