Kolloquiumsvortrag 07. Mai 2024, Ingrid Münch (Al Sardy)
Anwendung und Evaluation von Machine Learning Methoden zur Optimierung des praxisnahen Einsatzes eines Fingerprinting-basierten Lokalisierungssystems
Oft ist es erforderlich sich in unbekannten Gebäuden, wie Flughäfen oder Museen, zurechtzufinden, wobei es hilfreich ist, sich lokalisieren zu können, um möglichst schnell seinen Zielpunkt zu erreichen.
Eine solche Möglichkeit der Ortung bietet das am Fraunhofer Institut für Integrierte Schaltungen IIS entwickelte, Fingerprinting-basierte Indoor-Lokalisierungssystem awiloc® . In dieser Technologie wird sich die Einzigartigkeit der Signalstärken an einzelnen Orten zu nutze gemacht. Jedoch ändern sich die Signalstärken mit der Zeit, was zu einer nachlassenden Genauigkeit bei der Lokalisierung führt. awiloc® hat Gegenmaßnahmen dazu entwickelt, welche mit der Zeit jedoch auch zu Systeminstabilität führen.
Für die Lokalisierungsqualität ist ebenso ein Parametersatz entscheidend, welcher bei der Positionsberechnung zum Einsatz kommt. Jedoch ist dieser komplex und stark umgebungsabhängig, sodass es nicht trivial ist diesen so auszuwählen, dass die Genauigkeit der Lokalisierung bestmöglich wird. Somit ergibt sich ein bedingtes Parameteroptimierungsproblem. Mittels Machine Learning Methoden wurden diese Probleme bearbeitet und versucht über Clustering-Algorithmen die Systemstabilität zu bewerten und durch neuronale Netze eine Möglichkeit zur Parmatersatzevaluierung bereitzustellen.
Zeit: 10:15 Uhr
Ort: Raum 04.137, Martensstr. 3, Erlangen
oder
Zoom-Meeting beitreten:
https://fau.zoom-x.de/j/68350702053?pwd=UkF3aXY0QUdjeSsyR0tyRWtLQ0hYUT09
Meeting-ID: 683 5070 2053
Kenncode: 647333