Resumen

En los últimos años, el aprendizaje profundo se ha utilizado para la localización basada en huellas digitales de Wi-Fi con el fin de lograr un rendimiento notable, que se espera satisfaga los crecientes requisitos del servicio de localización en interiores (LBS). En este artículo, proponemos un método de localización de usuarios móviles en interiores basado en huellas digitales de Wi-Fi que integra un autoencoder disperso mejorado apilado (SISAE) y una red neuronal recurrente (RNN). Mejoramos el autoencoder disperso añadiendo un término de penalización de actividad en su función de pérdida para controlar las salidas de neuronas en la capa oculta. Los codificadores de tres autoencoders dispersos mejorados se apilan para obtener representaciones de características de alto nivel de vectores de fuerza de señal recibida (RSS), y se construye un SISAE para la localización añadiendo una capa de regresión logística como capa de salida a los codificadores apilados. Mientras tanto, utilizando las coordenadas de ubicación anteriores calculadas por

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Aprendizaje profundo; Localización basada en huellas dactilares Wi-Fi; Servicio de ubicación en interiores; Autoencoder disperso mejorado apilado; Red neuronal recurrente; Fuerza de señal recibida
• Keywords:Deep learning; Wi-Fi fingerprint-based localization; Indoor location-based service; Stacked improved sparse autoencoder; Recurrent neural network; Received signal strength