Estudio y análisis de algoritmos y clasificadores para sistema de posicionamiento en interiores basado en BlueTooth Low Energy

Abstract

Los métodos de análisis de datos conocidos como “Machine Learning” y las redes neuronales (RN), han tenido un gran auge en las últimas décadas, aplicándose en una amplia variedad de campos. En nuestro estudio proponemos su uso dentro del campo de los sistemas de posicionamiento en interiores (IPS) basados en Bluetooth Low Energy (BLE). Hemos aplicado diversas arquitecturas de clasificación y regresión, basadas en RN y además hemos realizado pruebas preliminares con “Procesos Gaussianos” (PG). Tras establecer los distintos hiperparámetros (tanto el en las RN como los PG), hemos comparado los resultados obtenidos tras el entrenamiento, con diferentes técnicas y algoritmos que se están usando en la actualidad en los IPS, como por ejemplo el algoritmo WKNN (Weighted K-Nearest Neighbours).

Machine Learning and Neural Networks (NN) are some of the data analysis techniques that have risen in popularity in the last decades, being used in a wide variety of fields. In our study we propose its use in the scope of Interior Positioning System (IPS) based in Bluetooth Low Energy (BLE). We have applied various classification and regression architectures based in NN, and we have made introductory tests with Gaussian Processes (GP). After setting every hyperparameter (in both NN and GP), we have compared the results obtained once the models were trained, with different techniques and algorithms which are being used nowadays in IPSs, such as WKNN (Weighted K-Nearest Neighbors).