준 지도식 GAN 을 이용한 와이파이 전자지문 기반 실내 위치 인식

Q: 이 논문에서 정의한 와이파이 전자지문이란 무엇인가?

와이파이 전자지문은 특정 위치에서 주변 공유기들로부터 수집된 와이파이 신호세기 집합으로 이루어진 위치-신호세기집합 데이터 쌍이다. 이는 실내 위치 측위 서비스를 제공하기 위해 공간 전체에 걸쳐 데이터베이스를 구축하는 데 사용된다.

Q: 준 지도식 GAN이 적은 학습 데이터로도 높은 측위 성능을 보이는 핵심 요인은 무엇인가?

연구 결과, 준 지도식 GAN은 학습 과정 동안 생성 모델이 모방 데이터를 생성하여 부족한 실제 데이터를 보완함으로써 식별 모델의 정확성을 향상시킨다. 이로 인해 적은 양의 학습 데이터만으로도 우수한 랜드마크 측위 성능을 달성한다.

유재현

doi:10.5302/J.ICROS.2020.20.0151

추천

검색

질문

자료유형: 학술저널

저자정보: 유재현 (국립한경대학교)

저널정보: 제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제26권 제12호

발행연도: 2020.12

수록면: 1,116 - 1,121 (6page)

DOI: 10.5302/J.ICROS.2020.20.0151

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Indoor positioning systems are attracting increasing attention due to the demand for accurate location awareness in areas where the Global Navigation Satellite System (GNSS) does not work. The Wi-Fi access points (APs) built in to many constructions can be used to develop a Wi-Fi-fingerprint-based indoor localization method. However, such a localization method needs large amounts of fingerprint data samples to achieve superior positioning performance, which increases the costs of data collection and calibration. To reduce these resource requirements, in this paper, we propose a new semi-supervised generative adversarial network (GAN) approach that can learn an accurate positioning model by using only a small number of training samples. The proposed semi-supervised GAN is extended from a general unsupervised GAN in a way to generate fake labeled samples and to involve a classification model for realizing localization without employing an additional positioning mechanism. Based on the results of indoor experiments conducted in multi-story buildings, the proposed method outperformed a supervised deep-learning-based localization method when room-size landmark positioning was conducted.

#Indoor positioning system #Wi-Fi RSSI (received signal strength indicator) #GAN (generative adversarial network) #semi-supervised learning #deep learning

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-003-000053053

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)