BriefGPT - AI 论文速递
·
基于移动性的 WiFi 定位图学习
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了使用MINGLE图神经网络结合移动智能手机和WiFi定位技术进行用户位置追踪的新集成技术。实验结果显示，MINGLE相比基准模型具有更好的定位精度，RMSE分别为1.398米和1.073米。
🎯
关键要点
-
本文介绍了一种新的集成技术，结合移动智能手机和WiFi定位进行用户位置追踪。
-
低规格的惯性测量单元（IMUs）存在无法预测的错误，因此不能单独使用。
-
提出的技术名为MINGLE，利用图神经网络捕捉不同用户的移动特征。
-
实地实验结果显示，MINGLE相比基准模型具有更好的定位精度。
-
在半监督和自监督学习情况下，均方根误差（RMSE）分别为1.398米和1.073米。
➡️
