Radio map estimation with neural networks and active learning for indoor localization
Bina içi konumlama için sinir ağları ve aktif öğrenme yöntemleri ile radyo frekans haritası tahminleme
- Tez No: 539283
- Danışmanlar: PROF. ALİ TAYLAN CEMGİL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 48
Özet
Bu tez çalışmasında, pratik bir bina içi lokalizasyon tekniği önerilmiştir. Gelişmiş yaklaşımların aksine, bu yeni yöntem, elektromanyetik dalgaların çok yollu dağılım problemi ve gölgeleme efekti ile ilgilenmez. Elektromanyetik dalgaların dağılım modelini de uygulamadığı için bina için her alan için azalma faktörü hesaplamaya da gerek duymaz. Bunun yerine bina içi pozisyon izleme problemi, gözlem modeli olarak radyo frekans haritası ve geçiş modeli olarak difüzyon modeli kullanan Saklı Markov Modeli ile modellenmektedir. Radyo haritasının doğru tahminlenmesi kapalı ortam lokalizasyonunun hatasız yapılabilmesi için büyük önem taşımaktadır. Tahminlemenin doğru yapılabilmesi için ise elektromanyetik alandan yoğun parmak izi toplanması gerekmektedir. Radyo frekans sinyalleri ve lokasyon arasındaki lineer olmayan ilişki sebebiyle, yapay sinir ağları kullanılarak olasılıksal radyo haritası oluşturulmuştur. Elektromanyetik parmak izi toplama sürecinde kurulum ve ölçüm maliyeti yüksek olduğu için belirli noktalarda toplanan parmak izleri ile bir yapay sinir ağı eğitilmiş ve kapalı alandaki diğer noktalardaki parmak izleri tahminlenmiştir. Yapay sinir ağını eğitmek için kullanılacak parmak izlerinin radyo frekans haritası üzerinde çıkarılan belirsizlik analizi doğrultusunda seçimi için Gauss Süreci yöntemi kullanılmıştır. Derin yapay sinir ağı ile oluşturulmuş radyo haritaları ile eğitim verilerinin %30'unun çıkarılması iki farklı bina içi ortamının medyan hatalarında %1.3 ve %2.6 artışla sonuçlanmıştır. Bu durum konumlama doğruluğundan feragat etmeden toplanması gereken eğitim veri setinin azaltılabileceğini göstermektedir.
Özet (Çeviri)
In this thesis, a practical indoor localization technique is proposed. In contrast to the state of art approaches, this practical approach does not deal with the multipath problems and shadowing e ects of electromagnetic signals as well as it does not require calculating the attenuation factors for each space because it does not apply the propagation model. Instead, indoor localization, by exploiting electromagnetic scattering properties of local area networks, is formulated as a tracking problem using a Hidden Markov model with a radio map as the observation model. Because of the non-linear relationship between radio frequency signals' strength and location, a probabilistic radio map is generated by using Neural Networks. Accurate estimation of the radio map is key in accurate indoor localization but this requires dense sampling of the electromagnetic eld, also named as ngerprinting. To decrease the time consumption of ngerprinting process, we train the neural network using an active learning strategy based on uncertainty sampling, aided by a Gaussian process. With the radio maps generated by a deep neural network, 30% of training data can be removed and this results in an increase of 1:3% and 2:6% in median error in two di erent test areas. It is concluded that without trading o localization accuracy training data size can be reduced by one third.
Benzer Tezler
- Sürü zekâsı optimizasyon algoritmaları ile iç mekân konumlandırma
Indoor positioning with swarm intelligence optimization algorithms
YASİN KAM
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÜMİT DENİZ ULUŞAR
- Dinamik yapay sinir ağı ile iç mekân konum kestirimi ve konum takibi
Indoor location estimation and location tracking with dynamic artificial neural network
MERT TUNÇ
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN KAYA
- Automated diagnostic tool for hypertension using deep learning model
Derin öğrenme modelini kullanarak hipertansiyon için otomatik teşhis aracı
TUĞBA YILMAZ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHA ŞEN
- Makine öğrenmesi ve derin öğrenme yöntemleri ile dizel motor turbo kompresör sisteminin modellenmesi
Modeling of diesel engine turbo compressor system with machine learning and deep learning methods
YUSUF CAN
Yüksek Lisans
Türkçe
2020
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. METİN GÖKAŞAN
- Yapay sinir ağları kullanılarak kısa süreli güneş enerjisi tahmini
Short term solar energy prediction by using artifical neural networks
ELA NUR ORUÇ
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL