Machine Learning for Indoor Localization and Navigation

Sprache: Englisch

Verlag: Springer International Publishing, Springer International Publishing Jul 2024, 2024

3031267141 / 9783031267147

Anbieter: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, DeutschlandBuchWeltWeit Ludwig Meier e.K.

Verkäufer/-in mit 5 Sternen

Verkäufer:in bei AbeBooks seit 11. Januar 2012

Softcover

Zustand: Neu

EUR 90,94

EUR 23,00 Versand 
Versand von Deutschland nach USA

Anzahl: 2 verfügbar

In den Warenkorb
30 Tage kostenlose Rückgabe

Artikelbeschreibung des Verkäufers

This item is printed on demand - it takes 3-4 days longer - Neuware -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. 584 pp. Englisch.…

Bestandsnummer des Verkäufers 9783031267147

Titel
Machine Learning for Indoor Localization and Navigation
Autor
Sudeep Pasricha
Verlag
Springer International Publishing, Springer International Publishing Jul 2024
Erscheinungsjahr
2024
Zustand
Neu
Einband
Taschenbuch
Sprache
Englisch
ISBN-10
3031267141
ISBN-13
9783031267147
Artikelgewicht
873 Gramm
Abmessungen
235x155x32 mm

BuchWeltWeit Ludwig Meier e.K.

Bergisch Gladbach, Deutschland

Verkäufer/-in mit 5 Sternen

Verkäufer:in bei AbeBooks seit 11. Januar 2012

Versandkosten von Deutschland nach USA

Artikel5 bis 15 Werktage5 bis 15 Werktage
Erster ArtikelEUR 23,00EUR 23,00
Die Versandzeiten werden von den Verkäuferinnen und Verkäufern festgelegt. Sie variieren je nach Versanddienstleister und Standort. Sendungen, die den Zoll passieren, können Verzögerungen unterliegen. Eventuell anfallende Abgaben oder Gebühren sind von der Käuferin bzw. dem Käufer zu tragen. Die Verkäuferin bzw. der Verkäufer kann Sie bezüglich zusätzlicher Versandkosten kontaktieren, um einen möglichen Anstieg der Versandkosten für Ihre Artikel auszugleichen.

Zahlungsarten

  • Visa
  • Mastercard
  • American Express
  • Carte Bleue
  • Apple Pay
  • Google Pay
  • Banküberweisung
  • PayPal
  • Vorauskasse

Unternehmensdaten der Verkäuferin bzw. des Verkäufers

BuchWeltWeit Ludwig Meier e.K.

Deutschland

BuchWeltWeit Inh. Ludwig Meier e.K.
Inhaber: Ludwig Meier
De-Gasperi-Str. 8
51469 Bergisch Gladbach
Deutschland

Tel.: +49(0)22028659300
Fax: +49(0)22028659301
E-Mail: info@buchweltweit.de

Registergericht: Amtsgericht Köln
Registernummer: HRA 28253

Umsatzsteuer-Identifikationsnummer: DE815259907

Wir sind zur Teilnahme an einem Streitbeilegungsverfahren vor einer Verbraucherschlichtungsstelle weder verpflichtet noch bereit.