SE470151B - Metod för fattande av handoverbeslut i kommunikationsradionät - Google Patents

Metod för fattande av handoverbeslut i kommunikationsradionät

Info

Publication number
SE470151B
SE470151B SE9201164A SE9201164A SE470151B SE 470151 B SE470151 B SE 470151B SE 9201164 A SE9201164 A SE 9201164A SE 9201164 A SE9201164 A SE 9201164A SE 470151 B SE470151 B SE 470151B
Authority
SE
Sweden
Prior art keywords
neural network
network
handover
data
nodes
Prior art date
Application number
SE9201164A
Other languages
English (en)
Other versions
SE9201164D0 (sv
SE9201164L (sv
Inventor
Robert Kaellman
Original Assignee
Televerket
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Publication of SE9201164D0 publication Critical patent/SE9201164D0/sv
Priority to SE9201164A priority Critical patent/SE470151B/sv
Application filed by Televerket filed Critical Televerket
Priority to SE9202169A priority patent/SE9202169L/sv
Priority to GB9303566A priority patent/GB2266212B/en
Priority to CA002091014A priority patent/CA2091014A1/en
Priority to US08/032,664 priority patent/US5434950A/en
Priority to DE69319017T priority patent/DE69319017T2/de
Priority to EP93850054A priority patent/EP0566548B1/en
Priority to ES93850054T priority patent/ES2117702T3/es
Priority to AU35515/93A priority patent/AU655719B2/en
Priority to JP5109872A priority patent/JPH0622365A/ja
Publication of SE9201164L publication Critical patent/SE9201164L/sv
Publication of SE470151B publication Critical patent/SE470151B/sv

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W36/00Hand-off or reselection arrangements
    • H04W36/24Reselection being triggered by specific parameters
    • H04W36/32Reselection being triggered by specific parameters by location or mobility data, e.g. speed data
    • H04W36/322Reselection being triggered by specific parameters by location or mobility data, e.g. speed data by location data
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W36/00Hand-off or reselection arrangements
    • H04W36/24Reselection being triggered by specific parameters
    • H04W36/32Reselection being triggered by specific parameters by location or mobility data, e.g. speed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Facsimiles In General (AREA)

Description

10 15 20 25 30 35 470 'í51 2 beslut om handover sker under korrekta förutsättningar.
UPPFINNINGENS SYFTE Här föreliggande uppfinning avser en metod att fatta beslut om handover vid rätt tillfälle. För detta än- damäl har ett artificiellt nätverk skapats. Det ar- tificiella nätverket utgör en modell av det verkliga nätet .
SAMMANFATTNING AV UPPFINNINGEN Här föreliggande uppfinning avser en metod att fatta beslut om handover vid rätt tidpunkt. Med handover avses att en mobil enhet i ett radiokommunikationsnät övergar frán att kommunicera med en basradiostation till en annan som är bättre ur kommunikationssynpunkt. Den lösning som. här presenteras löser problematiken med hjälp av neurala nätverk. Ett neuralt nätverk kännetecknas av att det genom att inhämta information är kapabelt till inlärning av vissa beteenden. I aktuell uppfinning är det neurala nätverket en avbildning av det verkliga radionätet. Var och en av basradiostationerna ges tillgång till ett neuralt nätverk soul äterspeglar denna stations nätverk.
Mobilen identifierar sin geografiska position och meddelar densamma till basstationen som därefter utnyttjar det neurala nätverket för att besluta om byte av basradiostation skall ske eller ej.
FIGURBESKRIVNING Pig 1 visar systemuppbyggnad med mobila enheter, ett antal basstationer anslutna till en central växel vari ett antal funktioner LMANN anordnats. Dessa LMANN innefattar bl.a. i beskrivningen beskrivna neurala nät. y' 10 15 20 25 30 35 3 470 151 Fig 2 visar hur mätdata i mobilradiosystemet överförs till lokaliseringsblocket och därefter överförs till beslutsblocket som vidarebefordrar beslutet till mobilradiosystemet.
Fig 3 visar hur mätdata införs i normaliseringsblocket. Normaliserade data överförs sedan till ANN (Artificiellt Neuralt Nät) varifran ett lokaliseringsbesked avges.
Pig 4 visar uppbyggnaden av det neurala nätet i inlager, ett antal mellanlager samt utlager.
Pig 5 äskàdliggör hur indata fran samtliga neuroner i föregäende lager viktas och summeras varefter transformering sker. fig 6 visar mätomràdet för basstation 1. De grova linjerna visar önskat upptagningsomräde för respektive basstation. Punkterade linjer representerar mätpunkter för träningsdata. De streckade omrädena visar basstationens täckningsomràde.
FÖREDRAGEN UTFÖRINGSFORM En mobil radioanläggning kommunicerar via etern med en basradiostation. Basradiostationen erhaller kontinuerligt information frän mobilen om dess position, mottagen signalstyrka etc. Informationen inmatas i ett, basradiostationen tillhörigt, block för lokalisering av mobilen. Informationen bearbetas därefter, varvid hänsyn tas till mobilens geografiska läge samt rörelseriktning. Bearbetningen resulterar i en lista över basradiostationer som kandiderar om att kommunicera med mobilen. Listan, prioritetslistan .anger en prioritetsordning beträffande lämpligheten hos de kandiderande basradiostationerna. Prioritetslistan överförs därefter till beslutsblocket som avgör om mobilen skall byta basradiostation eller ej. 10 15 20 25 30 35 \~°l 151 4 För att erhälla bästa möjliga beslut har ett neuralt artificiellt nätverk skapats. Det artificiella nätverket är en bild av det verkliga radionätet för Det artificiella nätet ges information om det täckningsomrädet samt om överlapp till intilliggande För att erhàlla bästa möjliga beslut har det neurala nätverket lärts ett önskat beteende respektive basstation. gränserna för egna basstationer. i beroende av mobilernas läge och färdriktning.
Det artificiella. nätet är uppbyggt i ett antal en nod för varje utvald lager. Inlagret har mätenhet. Var och en av noderna i inlagret överför sin information till samtliga noder i mellanlager l.
Respektive noder i mellanlager l överför sin information till mellanlager 2 etc. antal väljs fritt varför ett eller flera mellanlager det utlagret Mellanlagrens kan utnyttjas. Slutligen överför sista mellanlagret information till representerar möjliga handoverkandidater inklusive SOIII den basstation som mobilen för närvarande är ansluten till. Strukturen hos det artificiella nätet varierar med màtdata varför olika radiomiljöer resulterar i olika optimala strukturer.
Varje nod är en neuron som 'viktar indata frän samtliga neuroner i föregående lager. Indata frán varje neuron viktas och summeras varefter en transformation sker.Transformationen sker i samtliga lager utom inlagret som endast innehäller en ingàng För att erhälla ett önskat beteende väljs överföringsfunktionen olinjär. per neuron.
För att riktiga beslut skall erhällas mäste det neurala nätverket läras upp. Detta sker genom att träningsdata tillförs systemet. Träningsdata bör finnas för hela upptagningsomràdet, som basstationen skall hantera, samt intilliggande omräden. Det artificiella nätets uppförande bestäms för varje uppsättning av träningsdata. Normalisering sker, 10 15 20 25 30 35 470 151 5 till ett värde mellan 0 och l, med hjälp av maxvärde för varje data i hela träningsmängden .
Under upplärningen färdas en mobil inom basstationens täckningsomráde samt intilliggande omräden. I mobilen sker mätningar avseende de parametrar som är relevanta. Mobilen sänder resultaten till basradiostationen som, vidarebehandlar informationen. Under upplärningsfasen definieras olika geografiska lägen som skall kunna definieras för andra mobiler.
Vid inlärning slumpas först vikterna varefter nätet arbetar med träningsdata. För varje set av träningsdata kontrolleras resultatet pà utnoderna mot ett önskat resultat. skillnaden mellan önskat resultat och erhället resultat utgör erhàllet fel.
Beräkning av- vikter sker exempelvis med valfri gradientmetod och felet sprids bakat i nätet. Genom att ändra de olika vikterna konvergerar resultatet mot ett önskat resultat. När felet understiger en i förväg beslutad nivä anses det neurala nätverket upplärt och inlärningen avbryts.
När det neurala nätverket är upplärt skall en mobils geografiska läge var entydigt bestämt med ledning av erhällna data. Besked om en mobils läge överförs till lokaliseringsblocket som överför informationen till beslutsblocket. Beslutsblocket producerar en vektor med tal som anger lämpligheten för handover till respektive basradiostation. Talen varierar inom gränser som är beroende av vald överföringsfunktion.
Beslut fattas med hänsyn till historik och hysteres.
Historik innebär att beslutsblocket lagrar ett antal av de senaste lokaliseringsvektorerna. Krav ställs att ett visst antal av dessa lokaliseringsvektorer skall visa samma resultat för att hand over skall ske. En kort historik ger snabba beslut medan en läng historik ger säkrare beslut pä bekostnad av snabbheten. En lämplig avvägning mellan dessa 10 470 151 6 ytterlighetsfall måste sålunda göras i de enskilda fallen varvid olika aspekter får vägas mot varandra.
Med hysteres, i det ovanstående, avses att en handoverkandidat år ett visst mått bättre än den befintliga basstationens låmplighetstal. För att handover skall vara möjlig skall hysteresvårdet ligga inom överföringsfunktionen. I-Iysteres relaterar handoverbeslutet till lämplighetstalet för nuvarande basstation och ger samma resultat på handoverfunktionen som historiken.

Claims (6)

10 15 20 25 30 35 472- 151 RATENTKRAV l.Metod att i kommunikationsnät innefattande ett antal fasta enheter och ett antal mobila enheter besluta när en mobil enhet skall upphöra att kommunicera med en första fast enhet för att övergä till att kommunicera med en andra fast enhet kännetecknad av, att ett artificiellt neuralt nät givits ett fran början inlärt beteende och/eller ett föranderligt beteende med hänsyn till föreliggande trafiksituation, att det artificiella neurala nätet ges information som är korrelerad till mobilens position i kommunikationsnätet relativt fasta enheter som den kan kommunicera med, att en lista över fasta enheter som kan kommunicera med mobilen är given, att det artificiella neurala nätet fastställer lämplighetsgraden för kommunikation med respektive fasta enhet, och att kommunikationsnätet ges besked om lämpligaste fasta enhet samt att nwbilen, efter beslut, ansluts till vald fasta enhet.
2. Metod enligt patentkrav l kännetecknad av att det neurala nätverket tilldelas ett antal lager nämligen inlager, utlager och ett antal mellanlager varvid inlagret tilldelas ett antal noder representerande utvalda mätdataenheter, utlagret tilldelas ett antal noder representerande nuvarande basradiostation samt de basradiostationer vartill handover är möjlig och att noder i nællanlagren utnyttjas för simuleringen.
3. Metod enligt nàgot av föregående patentkrav kännetecknad av att varje nod viktar indata frán 10 15 20 25 30 35 470 15? 8 samtliga neuroner i föregående lager och summerar alla viktade signaler som transformeras.
4. Metod enligt något av föregående patentkrav kännetecknad av att det neurala nätverket tilldelas träningsdata, som normaliseras, vilka träningsdata valts så representativt som nßjligt, och att träningsdata finns för hela upptagningsområdet, som stationen skall betjäna, och näraliggande områden och att till varje uppsättning träningsdata ett önskat uppförande hos det artificiella nätet bestäms.
5. Metod enligt något av föregående patentkrav kânnetecknad av att vid inlärningen slumpas vikterna ut varefter det neurala nätet arbetar med erhållna data och resultatet på utnoderna jämförs med önskat resultat, varvid skillnaden mellan önskat resultat och erhållet resultat utgör beräkningars fel, varefter nya 'vikter beräknas bakåt i det artificiella nätet till dess felet i utnoderna är av en noggrannhet som fastställts och att nätet i detta skede anses upplärt.
6. Metod enligt något av förgäende patentkrav kännetecknad av att indata i vektorform överförs till ett lokaliseringsblock som överför nämna data till ett beslutsblock, varvid en vektor med tal beskriver lämpligheten för handover till annan basradiostation och att beslutsblocket utnyttjar historik, innebärande att ett antal av de senaste lokaliseringsvektorerna lagras, och hysteres, innebärande att ny handoverkandidat är ett visst mått bättre än den befintliga basstationens lämplighetstal, för att fatta korrekt handoverbeslut. f) *w
SE9201164A 1992-04-13 1992-04-13 Metod för fattande av handoverbeslut i kommunikationsradionät SE470151B (sv)

Priority Applications (10)

Application Number Priority Date Filing Date Title
SE9201164A SE470151B (sv) 1992-04-13 1992-04-13 Metod för fattande av handoverbeslut i kommunikationsradionät
SE9202169A SE9202169L (sv) 1992-04-13 1992-07-15 Metod för förfarande av handoverbeslut i kommunikationsradionät
GB9303566A GB2266212B (en) 1992-04-13 1993-02-23 A method for making handover decisions in a radio communications network
CA002091014A CA2091014A1 (en) 1992-04-13 1993-03-04 Method for making handover decisions in a radio communications network
US08/032,664 US5434950A (en) 1992-04-13 1993-03-17 Method for making handover decisions in a radio communications network
DE69319017T DE69319017T2 (de) 1992-04-13 1993-03-23 Verfahren zur Durchführung von Übergabeentscheidungen in einem Funkübertragungsnetzwerk
ES93850054T ES2117702T3 (es) 1992-04-13 1993-03-23 Metodo para tomar decisiones de transferencia en una red de radiocomunicaciones.
EP93850054A EP0566548B1 (en) 1992-04-13 1993-03-23 A method for making handover decisions in a radio communications network
AU35515/93A AU655719B2 (en) 1992-04-13 1993-03-26 A method for making handover decisions in a radio communications network
JP5109872A JPH0622365A (ja) 1992-04-13 1993-04-12 無線通信ネットワークにおいて引き継ぎ決定を行う方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE9201164A SE470151B (sv) 1992-04-13 1992-04-13 Metod för fattande av handoverbeslut i kommunikationsradionät

Publications (3)

Publication Number Publication Date
SE9201164D0 SE9201164D0 (sv) 1992-04-13
SE9201164L SE9201164L (sv) 1993-10-14
SE470151B true SE470151B (sv) 1993-11-15

Family

ID=20385938

Family Applications (1)

Application Number Title Priority Date Filing Date
SE9201164A SE470151B (sv) 1992-04-13 1992-04-13 Metod för fattande av handoverbeslut i kommunikationsradionät

Country Status (9)

Country Link
US (1) US5434950A (sv)
EP (1) EP0566548B1 (sv)
JP (1) JPH0622365A (sv)
AU (1) AU655719B2 (sv)
CA (1) CA2091014A1 (sv)
DE (1) DE69319017T2 (sv)
ES (1) ES2117702T3 (sv)
GB (1) GB2266212B (sv)
SE (1) SE470151B (sv)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5564079A (en) * 1993-06-21 1996-10-08 Telia Ab Method for locating mobile stations in a digital telephone network
WO1996042020A2 (en) * 1995-06-07 1996-12-27 Sanconix, Inc. (Del Corp.) Enhanced position calculation

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2885067B2 (ja) * 1994-05-30 1999-04-19 日本電気株式会社 移動体加入者呼出方法および移動体通信システム
SE505915C2 (sv) * 1994-08-18 1997-10-20 Ericsson Telefon Ab L M Cellulärt mobilkommunikatiosssystem
SE505006C2 (sv) * 1994-08-31 1997-06-09 Telia Ab Anordning för prediktering vid handover i cellulärt telekommunikationssystem
GB2334185B (en) * 1994-12-09 1999-09-29 Motorola Inc Method for determining handover in a communications system
GB2311697B (en) * 1996-03-22 1999-07-28 Matsushita Electric Ind Co Ltd Wireless communication system and method and system for detection of position of radio mobile station
GB2337386B (en) 1996-09-09 2001-04-04 Dennis J Dupray Location of a mobile station
US9134398B2 (en) 1996-09-09 2015-09-15 Tracbeam Llc Wireless location using network centric location estimators
US6236365B1 (en) 1996-09-09 2001-05-22 Tracbeam, Llc Location of a mobile station using a plurality of commercial wireless infrastructures
WO1999018748A1 (en) * 1996-09-27 1999-04-15 Telia Ab Neural network application for frequency planning
US6553355B1 (en) * 1998-05-29 2003-04-22 Indranet Technologies Limited Autopoietic network system endowed with distributed artificial intelligence for the supply of high volume high-speed multimedia telesthesia telemetry, telekinesis, telepresence, telemanagement, telecommunications, and data processing services
AU2003271394B2 (en) * 1998-05-29 2007-03-08 Indranet Technologies Limited Computer network structure and cybernetic device
US6097953A (en) * 1998-12-22 2000-08-01 Motorola, Inc. Method of performing handoff in a wireless communication system
JP3950602B2 (ja) * 1999-12-06 2007-08-01 株式会社日立コミュニケーションテクノロジー 移動通信システム、ハンドオーバ制御装置およびそのハンドオーバ方法
US10684350B2 (en) 2000-06-02 2020-06-16 Tracbeam Llc Services and applications for a communications network
US9875492B2 (en) 2001-05-22 2018-01-23 Dennis J. Dupray Real estate transaction system
US10641861B2 (en) 2000-06-02 2020-05-05 Dennis J. Dupray Services and applications for a communications network
US8467821B1 (en) 2000-08-16 2013-06-18 International Business Machines Corporation System and method for anticipating transmit power requirements in wireless mobile units communicating with a base station
GB2377130A (en) * 2001-06-29 2002-12-31 Motorola Inc Handover criteria for mobile transceivers
US7092722B1 (en) * 2001-07-26 2006-08-15 Sprint Spectrum L.P. Method and system for establishing mobile station active set based on mobile station location
US8195204B1 (en) 2007-07-25 2012-06-05 Sprint Spectrum L.P. Method and apparatus for scanning sectors in order of distance from mobile station
US7881263B1 (en) 2007-07-31 2011-02-01 Sprint Spectrum L.P. Method for use of azimuth and bearing data to select a serving sector for a mobile station
EP2023674B1 (de) * 2007-08-06 2012-03-28 Schweizerische Bundesbahnen SBB Verfahren für die Mobilitätsverwaltung von Endgeräten in Mobilfunknetzen, Mobilfunknetz und Mobilendgerät
US8155666B2 (en) 2008-06-16 2012-04-10 Skyhook Wireless, Inc. Methods and systems for determining location using a cellular and WLAN positioning system by selecting the best cellular positioning system solution
US8478275B1 (en) 2010-08-05 2013-07-02 Sprint Spectrum L.P. Conditional assignment of connection identifiers to help avoid communication errors
US9538493B2 (en) 2010-08-23 2017-01-03 Finetrak, Llc Locating a mobile station and applications therefor
US8670425B1 (en) 2011-08-09 2014-03-11 Sprint Spectrum L.P. Use of past duration of stay as trigger to scan for wireless coverage
DE102014212989A1 (de) * 2014-07-04 2016-01-07 Bayerische Motoren Werke Aktiengesellschaft Steuern von Datenverbindungen und/oder Datenübertragungen in einer mobilen Funkeinrichtung
JP7011759B1 (ja) * 2019-02-19 2022-01-27 ノキア ソリューションズ アンド ネットワークス オサケユキチュア 無線アクセスネットワーク(ran)ノードに対するニューラルネットワークの構成
KR20210063911A (ko) * 2019-11-25 2021-06-02 삼성전자주식회사 무선 통신 시스템에서 핸드오버를 수행하기 위한 장치 및 방법

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4796199A (en) * 1987-02-24 1989-01-03 Oregon Graduate Center Neural-model, information-handling architecture and method
US4983962A (en) * 1987-09-14 1991-01-08 Hammerstrom Daniel W Neural-model, computational architecture employing broadcast hierarchy and hypergrid, point-to-point communication
US5014235A (en) * 1987-12-15 1991-05-07 Steven G. Morton Convolution memory
US4874963A (en) * 1988-02-11 1989-10-17 Bell Communications Research, Inc. Neuromorphic learning networks
US4918617A (en) * 1988-11-10 1990-04-17 Oregon Graduate Center Neural-model computational system with multi-directionally overlapping broadcast regions
JP2822432B2 (ja) * 1989-03-30 1998-11-11 日本電気株式会社 無線システムのチャネル選択方法
GB2242805B (en) * 1990-04-06 1994-08-03 Stc Plc Handover techniques
DE69220683T2 (de) * 1991-01-23 1997-11-06 Fujitsu Ltd Adaptive Entzerrer

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5564079A (en) * 1993-06-21 1996-10-08 Telia Ab Method for locating mobile stations in a digital telephone network
WO1996042020A2 (en) * 1995-06-07 1996-12-27 Sanconix, Inc. (Del Corp.) Enhanced position calculation
WO1996042020A3 (en) * 1995-06-07 1997-02-06 Sanconix Inc Del Corp Enhanced position calculation
US5717406A (en) * 1995-06-07 1998-02-10 Sanconix Inc. Enhanced position calculation
US5917449A (en) * 1995-06-07 1999-06-29 Sanconix Inc. Enhanced position calculation
AU718991B2 (en) * 1995-06-07 2000-05-04 Axonn, L.L.C. Enhanced position calculation
US6084547A (en) * 1995-06-07 2000-07-04 Sanconix Inc. Enhanced position calculation

Also Published As

Publication number Publication date
AU3551593A (en) 1993-10-14
JPH0622365A (ja) 1994-01-28
EP0566548A1 (en) 1993-10-20
GB2266212B (en) 1995-06-28
DE69319017D1 (de) 1998-07-16
ES2117702T3 (es) 1998-08-16
SE9201164D0 (sv) 1992-04-13
US5434950A (en) 1995-07-18
GB2266212A (en) 1993-10-20
DE69319017T2 (de) 1998-10-08
GB9303566D0 (en) 1993-04-07
SE9201164L (sv) 1993-10-14
AU655719B2 (en) 1995-01-05
EP0566548B1 (en) 1998-06-10
CA2091014A1 (en) 1993-10-14

Similar Documents

Publication Publication Date Title
SE470151B (sv) Metod för fattande av handoverbeslut i kommunikationsradionät
CN109818865A (zh) 一种sdn增强路径装箱装置及方法
EP3854116B1 (en) A method of managing traffic by a user plane function, upf, corresponding upf, session management function and network data analytics function
CN109816050A (zh) 物***姿估计方法及装置
CN110967028B (zh) 导航地图构建方法、装置、机器人及存储介质
WO2019103258A1 (ko) 실내 무선 측위 방법, 장치 및 컴퓨터 판독가능 기록 매체
Du et al. Self-healing sensor networks with distributed decision making
Xu et al. A multistate network approach for reliability evaluation of unmanned swarms by considering information exchange capacity
Serra-Gómez et al. With whom to communicate: learning efficient communication for multi-robot collision avoidance
CN114440858B (zh) 移动机器人定位丢失检测方法、***、设备及存储介质
CN113218400B (zh) 一种基于深度强化学习的多智能体导航算法
KR101990482B1 (ko) 대상 물체의 위치를 추정하는 장치 및 방법
Akselrod et al. Information flow control for collaborative distributed data fusion and multisensor multitarget tracking
US20230394554A1 (en) Method and internet of things system of charging pile recommendation for new energy vehicle in smart city
CN111738878A (zh) 一种桥梁应力检测***
JPH07218611A (ja) 移動体のトラッキング装置
Jiang et al. Respect your emotion: Human-multi-robot teaming based on regret decision model
CN115617034A (zh) 多智能体的环境探索方法、装置、电子设备及存储介质
Stranders et al. A decentralized, on-line coordination mechanism for monitoring spatial phenomena with mobile sensors
EP0451742B1 (en) Fuzzy inference device
Man'Ko et al. Methods and technologies of automated learning for improvement of autonomous robots adaptivity
KR102568022B1 (ko) 사용자 위치정보 획득 방법, 수집된 사용자 위치정보 기반의 알고리즘 실행 방법, 및 이를 위한 시스템
CN114777629B (zh) 地下管网的传感器定位方法、装置、设备及介质
CN115080879B (zh) 一种位置搜索方法、装置、电子设备和可读存储介质
WO2022004957A1 (ko) 투자자문방법 및 그 장치

Legal Events

Date Code Title Description
NAL Patent in force

Ref document number: 9201164-2

Format of ref document f/p: F

NUG Patent has lapsed