Versteckspiel
Indoor-Navigation mit maschinellem Lernens
Das hier vorgestellte System zur Orientierung in einem Gebäude findet im Unterschied zur Satellitennavigation nicht direkt Ortskoordinaten, stattdessen berechnet es die Wahrscheinlichkeit, dass sich ein Gesuchter in einem der vorge gebenen Räume aufhält. Die Werkzeuge dafür l iefert die Programmiersprache Python. Im Vordergrund dieses Artikels steht die prinzipielle Herangehensweise, auf Details der verwendeten Bibliotheken geht er weniger ein.
Befragen der Daten
Zur Demonstration stützen wir uns auf einen Datensatz, den die Universität UCI in Irvine (Kalifornien, USA) frei im Internet bereitstellt. Dieser Datensatz besteht aus acht Spalten: den Signalstärken von sieben WLAN-Hotspots, gemessen mit einem Handy, und dem Ort der Messung. Nach 500 Messungen an vier festen Orten stehen 2000 Einträge bereit.
Der Protagonist unseres Experiments ist Tom. Tom hat sich verlaufen. Zum Glück hat er sein Handy dabei, das ihm die Signalstärke von sieben Hotspots aus seiner Umgebung anzeigt 1. Maja sucht ihn. Sie weiß, dass er nur an einem von vier Orten sein kann (die Kreuze in Abbildung 2). Da Tom sich öfter verläuft, hat sie vorsorglich die vier Räume kartiert. Mithilfe künstlicher Intelligenz und überwachtem Lernen will Maja Tom finden.
Was ist, wenn Maja zwar weiß, dass Tom sich im Haus aufhält, aber nicht die Zahl der Räume kennt? Hier klärt nichtüberwachtes Lernen
You’re reading a preview, subscribe to read more.
Start your free 30 days