Indoor localization with transfer learning

Simple item page
buir.contributor.authorKorkmaz, İlter Onat
buir.contributor.authorÖzateş, Tuna
buir.contributor.authorKoç, Enes
buir.contributor.authorAydın, Ege
buir.contributor.authorDilek, Doğaç
buir.contributor.authorGüngen, Murat Alp
dc.citation.epage[4]en_US
dc.citation.spage[1]en_US
dc.contributor.authorKorkmaz, İlter Onat
dc.contributor.authorÖzateş, Tuna
dc.contributor.authorKoç, Enes
dc.contributor.authorAydın, Ege
dc.contributor.authorKor, Ege
dc.contributor.authorDilek, Doğaç
dc.contributor.authorGüngen, Murat Alp
dc.contributor.authorKöse, İdil Gökalp
dc.contributor.authorAkman, Çağlar
dc.coverage.spatialSafranbolu, Turkeyen_US
dc.date.accessioned2023-02-14T09:08:34Z
dc.date.available2023-02-14T09:08:34Z
dc.date.issued2022-08-29
dc.departmentDepartment of Electrical and Electronics Engineeringen_US
dc.descriptionConference Name: 2022 30th Signal Processing and Communications Applications Conference (SIU)en_US
dc.descriptionDate of Conference: 15-18 May 2022en_US
dc.description.abstractIndoor positioning methods aim to estimate positions of transmitters where the GPS signals are unavailable. These systems usually employ algorithms explicitly trained for a single location such as fingerprinting method. For that reason, they can only be used in a particular location. This restriction prevents the use of the fingerprint method in tasks such as search and rescue operations where there is no prior knowledge of the place. A fingerprinting system using a trained algorithm with data collected from many places can work in multiple places. This paper proposes an indoor positioning system that uses the parameters of a pre-trained neural network trained with the data obtained from finite difference time domain simulations with transfer learning without collecting large amounts of data. The initial parameters for the model to be trained with the received signal strength (RSS) data collected from real places are used as be the parameters of the artificial neural network trained with the aforementioned simulation data. Performance results of the trained model are comparable to the results of the works in which fingerprinting method is employed in a single environment.en_US
dc.description.abstractİç mekanlarda konum belirleme yöntemleri GPS sinyalinin kullanılamadıgı yerlerde vericilerin konumunu tahmin etmeyi amaçlar. Bu sistemlerde genellikle parmakizi yöntemi gibi bir mekana özel egitilmiş algoritmala kullanılır. Dolayısıyla bu tür yöntemler belirli bir mekanda kullanılmaktadır. Bu kısıtlama, parmakizi metodunun arama kurtarma çalışmaları gibi mekan hakkında ön bilginin olmadıgı görevlerde kullanımına engel teşkil etmektedir. Birçok mekandan toplanmış veriler ile eğitilmiş bir algoritmanın kullanıldığı bir parmakizi sistemi farklı mekanlarda da çalışabilir. Bu çalışma, yüksek miktarda veri toplamadan, zamanda sonlu farklar simülasyonu verileriyle önceden eğitilmiş bir yapay sinir ağınının parametrelerini öğrenme aktarması ile kullanan bir iç mekan konumlandırma sistemi önermektedir. Gerçek mekanlardan toplanmış alınan sinyal gücü (RSS) verileriyle eğitilecek model için başlangıç parametreleri, bahsi geçen simülasyon verileriyle egitilmiş yapay sinir ağının parametreleri olarak kullanılmaktadır. Eğitilen modelin performans sonuçları, tek mekanda parmakizi yöntemi ile konumlandırma yapılan çalışmalardaki sonuçlar ile karşılaştırılabilir düzeydedir.
dc.identifier.doi10.1109/SIU55565.2022.9864729en_US
dc.identifier.eisbn978-1-6654-5092-8
dc.identifier.issn2165-0608
dc.identifier.urihttp://hdl.handle.net/11693/111243
dc.language.isoTurkishen_US
dc.publisherIEEEen_US
dc.relation.isversionofhttps://www.doi.org/10.1109/SIU55565.2022.9864729en_US
dc.source.titleSignal Processing and Communications Applications Conference (SIU)en_US
dc.subjectReceived signal strengthen_US
dc.subjectIndoor localizationen_US
dc.subjectFingerprintingen_US
dc.subjectArtificial neural networksen_US
dc.subjectTransfer learningen_US
dc.subjectFinite difference time domainen_US
dc.subjectAlınan sinyal gücüen_US
dc.subjectİç mekan konumlandırmaen_US
dc.subjectParmakizi yöntemien_US
dc.subjectYapay sinir ağıen_US
dc.subjectÖğrenme aktarmasıen_US
dc.subjectZamanda sonlu farklaren_US
dc.titleIndoor localization with transfer learningen_US
dc.title.alternativeÖğrenme aktarması ile iç ortam konumlandırmaen_US
dc.typeConference Paperen_US

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Indoor_Localization_with_Transfer_Learning.pdf
Size:
2.89 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.69 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Department of Electrical and Electronics Engineering