Localização Indoor por Meio de Aprendizagem de Máquina Apoiada por Beacons Virtuais

##plugins.themes.bootstrap3.article.main##

Herbert de Oliveira
http://orcid.org/0000-0002-9162-7030
Marcelo Daride Gaspar
http://orcid.org/0000-0002-2249-8108
Victor Azevêdo
http://orcid.org/0000-0002-3184-4527
Paulo Salgado
http://orcid.org/0000-0002-2396-7973
Carmelo Bastos-Filho
http://orcid.org/0000-0002-0924-5341

Resumo

Este artigo apresenta uma solução ao problema de localização indoor por meio de aprendizagem de máquina com o apoio de um novo conceito denominado beacon virtual. Esse conceito mostrou consideráveis ganhos em desempenho em modelos onde a representatividade dos dados é crucial na precisão das predições do modelo. Beacons virtuais também podem ser úteis em ambientes onde a instalação de beacons de referência em determinados pontos poderiam gerar transtornos à movimentação de pessoas e objetos em geral. A título de comparação de desempenho, a solução foi implementada considerando quatro algoritmos diferentes de aprendizagem de máquina, sendo dois deles lineares e os outros dois não lineares. Validações com dados reais apontaram o modelo baseado em Multilayer Perceptron (MLP) como o modelo de melhor desempenho entre os quatro modelos considerados no que diz respeito ao menor erro entre a posição predita e a real, sendo que a aplicação do conceito de beacon virtual fora determinante para tal resultado.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Como Citar
de Oliveira, H., Gaspar, M., Azevêdo, V., Salgado, P., & Bastos-Filho, C. (2022). Localização Indoor por Meio de Aprendizagem de Máquina Apoiada por Beacons Virtuais. Revista De Engenharia E Pesquisa Aplicada, 7(2), 65-74. https://doi.org/10.25286/repa.v7i2.2219
Seção
Edição Especial Inteligência Artificial