چکيده
در دسترس بودن اطلاعات موقعيت كاربر ، يك عامل كليدي در سيستم¬هاي ارتباطي امروز است كه خدمات مبتني بر مكان را ارائه مي دهد. در محيط¬هاي بيرون ساختمان، موقعيت تلفن همراه با دقت بالايي به وسيله ي سيستم موقعيت¬يابي جهاني (GPS) يا سيستم¬هاي سلولي به دست مي¬آيد. با اين حال، مشكل اصلي GPS و سيستم سلولي در محيط داخلي و در شرايط سايه افكني عميق ، مسدود و پراكنده شدن سيگنال¬هاي ماهواره¬اي و يا سلولي است. به منظور حل اين مشكل از سه رويكرد روش مجاورت ، روش هندسي و روش اثر انگشت استفاده مي شود. اين روش ها به علت تغييرات سريع كانال، نبود خط ديد مستقيم ، سايه افكني و غيره، از دقت بالايي برخوردار نيستند. همچنين، يك سيستم مكان¬يابي داخلي بايد داراي پيچيدگي پايين و زمان پردازش كوتاه براي دستگاه‌هاي تلفن همراه باشد. رويكردي كه براي حل اين چالش ها مطرح شده است استفاده از الگوريتم¬هاي يادگيري ماشين در مكان¬يابي داخلي است. در سالهاي اخير مبحث يادگيري ماشين و هوش مصنوعي توجه زيادي را در حوزه هاي مختلف علوم و از جمله در سيستم هاي مخابراتي به خود جلب كرده است. يادگيري ماشين شاخه اي از هوش مصنوعي است كه در آن سعي مي شود به ماشين توانايي تصميم گيري و تشخيص داده شود تا در هنگام مشاهده ي يك ورودي، خروجي مناسب را توليد كند. با بكار گيري الگوريتم¬هاي يادگيري ماشين در مكان يابي داخلي مي توان علاوه بر افزايش دقت مكان¬يابي، با كاهش حجم محاسبات، زمان پردازش را كاهش داد. در اين سمينار به بررسي اين مبحث و مروري بر آخرين مراجع و نتايج بدست آمده در اين رابطه پرداخته خواهد شد.
