Tato práce zkoumá potenciál strojového učení v oblasti GSM
lokalizace na základě síly přijímaného signálu v městském
prostředí. Cílem bylo zhodnotit dva algoritmy, Support Vector
Machine a Multilayer Perceptron, a porovnat jejich výsledky s
dalšími metodami lokalizace. Modely byly ohodnoceny na datech,
která jsem nasbíral v Brně pomocí aplikace Molotras. Ukazuji,
že modelování šíření signálu pomocí zkoumaných algoritmů
neposkytuje výhodu oproti tradičním metodám z důvodu přílišného
šumu v datech způsobeného budovami, které signál blokují. Na
závěr navrhuji jiný přístup využití neuronových sítí, který
pracuje na principu metody fingerprintingu.