Pracovníci z Ústavu radioelektroniky a Univerzity v Piraeus představili koncept pro měření výkonové úrovně přijímaných radiofrekvenčních signálů Bluetooth Low Energy (BLE) s využitím techniky Fingerprinting. Pomocí různych technik strojového učení byly zkoumané možnosti zlepšení přesnosti lokalizace. Byl vytvořen software v programovacím jazyce Python 3, který aplikuje zkoumané techniky strojového učení na měřená data s cílem zvýšit stabilitu výsledků a spolehlivost určení polohy na základě měřených úrovní. Ve zkoumaném scénáři je nejslibnejší technikou strojového učení Random Forest s klasifikační přesností přeš 99%.
Příslušný článek, obsahující odkaz na měřených dát a software, je volně dostupný na: https://www.mdpi.com/1424-8220/21/13/4605
