内容 このデータセットは、ウエスタンミシガン大学のウォルド図書館1階に設置された13個のiBeaconの受信信号強度指示（RSSI）の測定値を用いて作成されました。データはiPhone 6Sを使用して収集されました。このデータセットには2つのサブデータセットが含まれています：ラベル付きデータセット（1420事例）とラベル無しデータセット（5191事例）です。記録は図書館の営業時間中に行われました。ラベル付きデータセットでは、入力データには位置（ラベル列）、タイムスタンプ、それに続く13個のiBeaconのRSSI測定値が含まれています。RSSI測定値は負の値です。RSSI値が大きいほど、特定のiBeaconに近いことを示します（例えば、RSSIが-65の場合は、-85の場合よりも特定のiBeaconに近い距離を表します）。範囲外のiBeaconの場合、RSSIは-200で示されます。RSSI測定値に関連する位置は、位置の列を表す文字と行を表す数字からなる1つの列にまとめられています。次の図は、iBeaconのレイアウトと位置の配置を示しています。  属性情報 - 位置：iBeacon b3001からb3013のRSSIを受信する位置；地図上の位置の列と行を示す記号値（例えば、A01は列A、行1を表します）。 - 日付：'d-m-yyyy hh:mm:ss'の形式の日時 - b3001 - b3013：iBeaconに対応するRSSI測定値；数値、整数のみ。 謝辞 提供者： メディ・モハマディとアラ・アル・フカハ、{mehdi.mohammadi, ala-alfuqaha}@wmich.edu、 ウエスタンミシガン大学 コンピュータサイエンス学科 引用依頼： M. Mohammadi, A. Al-Fuqaha, M. Guizani, J. Oh, “Semi-supervised Deep Reinforcement Learning in Support of IoT and Smart City Services,” IEEE Internet of Things Journal, Vol. PP, No. 99, 2017. 着想 # ラベル無しデータが学習システムの改善にどのように役立つことができるか。GANモデルが、少量のラベル付きデータと大量のラベル無しデータに基づいて、実行可能な経路を合成することができるか。