arXiv cs.LG@Pin-Hsun Lee, Harry Leib精选23该研究提出一种基于激活函数的机器学习框架，用于改进加权最小二乘（WLS）GNSS定位算法。在城市峡谷等复杂环境中，多径效应和非视距信号会导致定位误差，该框架通过集成学习算法评估信号质量，并利用激活函数（如sigmoid）将预测分数转化为权重，从而提升定位精度。在香港和东京的真实数据集测试中，sigmoid函数在不同算法和星座配置下均表现最佳，显著降低了单星座和多星座场景的定位误差。该方法还展现出良好的地理迁移性，在类似城市化程度的区域训练后性能保持稳定。论文GNSS定位加权最小二乘激活函数机器学习城市峡谷推荐理由：这项研究解决了城市环境中GNSS定位精度差的痛点，做导航定位、自动驾驶或智能交通的开发者可以直接参考其激活函数加权方法，值得关注。