Machine Learning for Indoor Localization and Navigation (eBook)

Machine Learning for Indoor Localization and Navigation (eBook)

Prezzo:
€ 102,95
Compra EPUB
Prezzo:
€ 102,95
Compra EPUB

Formato

:
EPUB
Cloud: Scopri di più
Lingua: Inglese
Curatore: Tiku Saideep; Pasricha Sudeep
Editore: Springer
Collana: Engineering (R0)
Codice EAN: 9783031267123
Anno pubblicazione: 2023
Scopri QUI come leggere i tuoi eBook

Note legali

NOTE LEGALI

a) Garanzia legale, Pagamenti, Consegne, Diritto di recesso
b) Informazioni sul prezzo
Il prezzo barrato corrisponde al prezzo di vendita al pubblico al lordo di IVA e al netto delle spese di spedizione
Il prezzo barrato dei libri italiani corrisponde al prezzo di copertina.
I libri in inglese di Libraccio sono di provenienza americana o inglese.
Libraccio riceve quotidianamente i prodotti dagli USA e dalla Gran Bretagna, pagandone i costi di importazione, spedizione in Italia ecc.
Il prezzo in EURO è fissato da Libraccio e, in alcuni casi, può discostarsi leggermente dal cambio dollaro/euro o sterlina/euro del giorno. Il prezzo che pagherai sarà quello in EURO al momento della conferma dell'ordine.
In ogni caso potrai verificare la convenienza dei nostri prezzi rispetto ad altri siti italiani e, in moltissimi casi, anche rispetto all'acquisto su siti americani o inglesi.
c) Disponibilità
I termini relativi alla disponibilità dei prodotti sono indicati nelle Condizioni generali di vendita.

Disponibilità immediata
L'articolo è immediatamente disponibile presso Libraccio e saremo in grado di procedere con la spedizione entro un giorno lavorativo.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Disponibile in giorni o settimane (ad es. "3-5-10 giorni", "4-5 settimane" )
L'articolo sarà disponibile entro le tempistiche indicate, necessarie per ricevere l'articolo dai nostri fornitori e preparare la spedizione.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Prenotazione libri scolastici
Il servizio ti permette di prenotare libri scolastici nuovi che risultano non disponibili al momento dell'acquisto.

Attualmente non disponibile
L'articolo sarà disponibile ma non sappiamo ancora quando. Inserisci la tua mail dalla scheda prodotto attivando il servizio Libraccio “avvisami” e sarai contattato quando sarà ordinabile.

Difficile reperibilità
Abbiamo dei problemi nel reperire il prodotto. Il fornitore non ci dà informazioni sulla sua reperibilità, ma se desideri comunque effettuare l'ordine, cercheremo di averlo nei tempi indicati. Se non sarà possibile, ti avvertiremo via e-mail e l'ordine verrà cancellato.
Chiudi

Descrizione

While GPS is the de-facto solution for outdoor positioning with a clear sky view, there is no prevailing technology for GPS-deprived areas, including dense city centers, urban canyons, buildings and other covered structures, and subterranean facilities such as underground mines, where GPS signals are severely attenuated or totally blocked. As an alternative to GPS for the outdoors, indoor localization using machine learning is an emerging embedded and Internet of Things (IoT) application domain that is poised to reinvent the way we navigate in various indoor environments. This book discusses advances in the applications of machine learning that enable the localization and navigation of humans, robots, and vehicles in GPS-deficient environments. The book explores key challenges in the domain, such as mobile device resource limitations, device heterogeneity, environmental uncertainties, wireless signal variations, and security vulnerabilities. Countering these challenges can improve theaccuracy, reliability, predictability, and energy-efficiency of indoor localization and navigation. The book identifies severalnovel energy-efficient, real-time, and robust indoor localization techniques that utilize emerging deep machine learning and statistical techniques to address the challenges for indoor localization and navigation. In particular, the book: Provides comprehensive coverage of the application of machine learning to the domain of indoor localization; Presents techniques to adapt and optimize machine learning models for fast, energy-efficient indoor localization; Covers design and deployment of indoor localization frameworks on mobile, IoT, and embedded devices in real conditions.