인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
WiFi 신호강도 기반 실내 위치 결정은 추가적인 전파 신호의 송수신기를 설치하지 않아도 사용할 수 있다는 장점 덕분에 여전히 다양한 분야에서 활용되고 있다. WiFi 신호강도 기반 측위를 위해서는 사전에 WiFi 신호의 전파 강도 분포도가 데이터베이스로 구축되어 있어야 하며, 이러한 데이터는 실제 테이블 형태로 저장된다. 최근 인공지능 기술이 급격히 발전했음에도 불구하고, 이러한 테이블 데이터에 딥러닝을 적용하면 학습이 불안정하고, 측위 정확도 성능은 여전히 기계학습 기반의 회귀 알고리즘이 우수한 것으로 알려져 있다. 본 논문에서는 정교하게 구축된 WiFi 신호강도 분포도를 기반으로 다양한 기계학습 기반 회귀 알고리즘을 적용하여 각 방법론의 장단점을 비교• 분석하였다. Extra Tree Regression, Random Forest, Support Vector Regression, Extreme Gradient Boosting 알고리즘을 적용하였으며, 각 알고리즘의 정확도 성능과 학습 시간을 분석하였다. 실험 결과, 측위 정확도 성능은 Extra Tree Regression이 가장 우수하였으며, 학습 속도는 Extreme Gradient Boosting이 가장 빠른 것으로 나타났다. 본 연구에서 사용된 데이터는 하나의 건물 내 모든 층을 통합하여 x축 좌표, y축 좌표, z축(층)으로 구성되었으며, 대부분의 기계학습 기반 회귀 알고리즘이 평균제곱근 오차 2m 이내로 x축 좌표, y축 좌표를 예측하였을 뿐만 아니라 z 축(층)은 99% 이상의 정확도로 예측하는 것을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-091070066
