English(EN) A Machine Learning Framework for Weighted Least Squares GNSS Positioning based on Activation Functions

机器学习框架提升城市区域GNSS定位精度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-20 17:50

研究人员开发了一个新的机器学习框架，以提高全球导航卫星系统（GNSS）定位的精度，尤其是在具有挑战性的城市环境中。该系统使用激活函数将关于信号质量的机器学习预测转换为加权最小二乘算法的权重。在香港和东京进行的实验表明，在各种机器学习模型和GNSS配置中，Sigmoid激活函数始终在定位精度方面提供最显著的改进。 AI

影响提高在挑战性环境中的定位精度，可能使自主系统和基于位置的服务受益。

排序理由该集群包含一篇研究论文，详细介绍了使用机器学习和激活函数提高GNSS定位精度的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇研究论文，详细介绍了使用机器学习和激活函数提高GNSS定位精度的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 98 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Harry Leib · 2026-05-20 17:50

基于激活函数的加权最小二乘GNSS定位的机器学习框架

Global Navigation Satellite Systems (GNSS) are widely used to provide position, velocity, and timing (PVT) information for various applications, including transportation, location-based communication services, and intelligent agriculture. In urban canyons, high-rise buildings and…

本文如何被排名

报道来源 [1]

基于激活函数的加权最小二乘GNSS定位的机器学习框架

相关实体

相关话题