Resumen

La investigación sobre sistemas de posicionamiento apoya firmemente el desarrollo de servicios basados en la localización utilizados por organizaciones empresariales relacionadas. Sin embargo, los servicios basados en la localización con experiencia de usuario siguen teniendo muchos obstáculos que superar, entre ellos cómo mantener un alto nivel de precisión de la posición. A partir de los estudios bibliográficos revisados, es necesario desarrollar un sistema de posicionamiento en interiores que utilice la huella digital basada en la intensidad de la señal recibida (RSS). Hasta ahora, las pruebas del sistema de posicionamiento en interiores se han realizado con un algoritmo. Pero, en esta investigación, con los parámetros propuestos, realizaremos experimentos con un enfoque de aprendizaje. Los datos probados son los datos del servicio de señal en el dispositivo en el edificio de la Universidad Dinamika Bangsa. La prueba se realizó con un enfoque de aprendizaje profundo utilizando un algoritmo de red neuronal profunda (DNN). El método DNN puede estimar el espacio real y obtener mejores resultados de posición, mientras que los métodos de aprendizaje automático como el algoritmo DNN pueden manejar con mayor eficacia datos de gran tamaño y producir datos más precisos. A partir de los resultados de las pruebas comparativas con el método de aprendizaje entre DNN, KNN y SVM, se puede concluir que la evaluación con KNN es ligeramente mejor que el uso de DNN en un solo caso. Sin embargo, los resultados de KNN tienen poca consistencia; esto se ve en las fluctuaciones en los movimientos de la puntuación R2 y los valores MSE producidos. Mientras tanto, DNN da un valor consistente a pesar de tener capas ocultas variadas. La máquina de vectores de soporte (SVM) da el peor valor de estos experimentos, aunque, en el pasado, SVM era conocido como uno de los métodos favoritos.

• Materias:Ingeniería electrónica Redes Inalámbricas Procesamiento de señales asistido por computador Informática Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Signal processing computer-assisted Computing Data processing
• Palabras claves:sistema de posicionamiento en interiores, dnn, knn, svm, enfoque de aprendizaje, edificio de la universidad dinamika bangsa, máquina de vectores soporte, mejores resultados de posicionamiento, enfoque de aprendizaje profundo, red neuronal profunda
• Keywords:indoor positioning system, dnn, knn, svm, learning approach, dinamika bangsa university building, support vector machine, better position results, deep learning approach, deep neural network