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.
피인용 0
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.
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-ECN-0101-2021-003-000053053
