文献

J-GLOBAL ID：202002293673449192   整理番号：20A2514974

WiFiベース位置決めのための適応ロバストモデル【JST・京大機械翻訳】

An Adaptive and Robust Model for WiFi-based Localization

著者 (2件)： Song Yajie (University of Electronic Science and Technology of China, Chengdu, P.R.China) ,  Guo Xiansheng (University of Electronic Science and Technology of China, Chengdu, P.R.China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ACM TURC’20  ページ： 107-111  発行年： 2020年 
JST資料番号： D0698C  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： 環境変化および不均一デバイスによって引き起こされる受信信号強度(RSS)の変動は,WiFi指紋ベースの位置決め方法の性能をひどく退化した。移動学習における深い領域適応(DDA)は,この状況に対処する効果的な戦略であることが証明されている。しかし,既存のDDA法は,同時に2つの因子の存在下で位置決め精度の限られた改善を示した。本研究では,平均と共分散の共同制約を採用することにより新しい深層適応ネットワークを提案し,環境変化および不均一デバイスに対する優れた適応性を示す領域不一致を低減した。著者らのネットワークのロバスト性をさらに改善するために,著者らは,ネットワークのパラメータを更新するために指数関数的移動平均法を設計して,それは,実際の応用シナリオと高度に一致して,実際的重要性を有する目標ドメインからのラベルなしデータによってさらに更新することができた。実験結果は,提案モデルが効果的にドメイン矛盾を減少できて,実際の複雑な屋内環境においていくつかの他の既存の方法より低い位置決め誤差を達成することを示した。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： 移動平均法 ,  学習 ,  ネットワーク ,  指数関数 ,  *位置決め ,  共分散 ,  屋内環境 ,  指紋 ,  深層 ,  ロバスト性
準シソーラス用語： 環境変化 ,  位置決め精度 ,  *WiFi ,  受信信号強度 ,  屋内位置決め , 【Automatic Indexing@JST】

著者キーワード (4件)： WiFi指紋 ,  深領域適応 ,  屋内位置決め ,  伝達学習

分類 (4件)： 計算機網  (JC03000K) ,  ロボットの運動・制御  (IC04012J) ,  電子航法一般  (ND14010O) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (4件)： WiFi ,  適応 ,  ロバスト ,  モデル