chiblog

13.1 三边定位 - 物联网前沿实践 - 清华大学 - 王继良 (iot-book.github.io)  平面上有三个不共线的基站 A,B,C，和一个未知终端 D，并已测出三个基站到终端D的距离分别为R1，R2，R3，则以三个基站坐标为圆心，三基站到未知终端距离为半径可以画出三个相交的圆，如图下图所示，未知节点坐标即为三圆相交点  在实际测量中，往往由于测量的误差，使三个圆并不交于一点，而相交于一块区域，如下图所示。在此种情况下，便需用其他算法进行估计，这里采用最小二乘法进行求解。    

a244a15ffb538e70ca48c8a19a5ad9b79aa7ad0c533f164723f8ae327b9fabb23538ea5a73d4941403655f3478cb3d03f24e1c4770ef2ad10a5a5acc2a862a06b449da9b774e5a39b160d6242a4b24649e8685f344105572f3b5c38705ac4f1dac23ab28d23f35ea077772558a2a76a4c5d47d87bea0ff01d8536e61e5d05f0650a6058cd241e9a91fe9cbf054838a907674ea80ed72d828b53215a02dc38fa070ac1192e6e0fd6efe8b92c5e6bdd7bed75c2ead93763e3f2773814a5c924881b01217208da4c06ef4a4e0fc61fc6569815c72dc0f5bf74350b7cd0ba23015fd719b8eb28591fbd29539dd80de6efe03f544355b6559db86c ...

领域自适应, 即 Domain Adaptation 是迁移学习中很重要的一部分内容，目的是把分布不同的源域和目标域的数据，映射到一个特征空间中，使其在该空间中的距离尽可能近。于是在特征空间中对 source domain 训练的目标函数，就可以迁移到 target domain 上，提高 target domain 上的准确率。特征映射网络 ，标签分类网络  和域判别网络 。博弈 对抗（见文章）《迁移学习》: 领域自适应(Domain Adaptation)的理论分析 - 知乎 (zhihu.com)

facial

VR AR MR

d04ffbb5f15a69d5469121efbb328ecb1e60e9db595d0f1ecfd2aa49a79462b4155427d8f69025ffd616f8ce2dd5200893fb18fd9e7018111c8fa3ba481a1f24210b5c20506e7725172d95c3e86641a0d8788ee05777377e5d8c2da9b850f62bed2fdd1c3f128defb708544d5d6b61ae9d7dab82e9d418efff097def2d835f275cc9a03eb8630e03f59baeb54199ade9189a48e6ee0b31cde56bbc1387f3d6dbebb31a8990b9a2895111165ffb480a4335189ba5d7fc3daf89f0447a431cc62a5fa76255e3c0f003d6eaa8322ce6acf330a340085c9791c12d513b4c1c6d47d5641ad238bae281af32530efd3074ebeddaf61afb8001023f1 ...

面部表情识别基于静止图像和动态视频序列的 计算机视觉方法、基于 Wi-Fi 信号的方法、基于 EMG 和 EOG 神经信号的方法 、基于惯性传感器的特征提取方法 眨眼检测 EOG sensor, proximity sensor and camera” (Liu 等, 2021, p. 732) sensing with earbles “(i) physiological monitoring and health, (ii) movement and activity, (iii) interaction, and (iv) authentication and identi￿cation.” (Röddiger 等, 2022, p. 1352) 这篇文章的图fig2总结的嘿不错——Sensing with Earables: A Systematic Literature Review and Taxonomy of Phenomena ![[Pasted image 20230913202630.png]] ear：“blood perfusion and cardi ...

d04ffbb5f15a69d5469121efbb328ecb1e60e9db595d0f1ecfd2aa49a79462b4759ddf959d6f6dda248b7c82e3da54af3211299b69a4565ff80bcf24445acdb0f19dd27232f24033e7bb32db860ca6ff4206fee0694edfa9315ed750bc747f8c9053322aac050282debd70cd38802fd8f572f923319030c4acf8220929fd3b713630487cf3789257bd3d3148bee14535a7cf0432393e2299bbb3fb7c8415c8bf140acf78ed4c5839697a66ce491c6a84e46e9b5fb2b08891e9ec60439b6dca35f99569c2ca9c298a4685fae92af5a99d5b5647b9199bd8a2f0a01233d76a3b37fa13776e7c2ff4821f40f0f6844fd0bce24fc313479ff8325 ...

where

miss