文献

J-GLOBAL ID：201902225098288156   整理番号：19A0465797

CNNベースのマルチタスク学習による結合光学性能モニタリングと変調フォーマット/ビットレート同定【JST・京大機械翻訳】

Joint Optical Performance Monitoring and Modulation Format/Bit-Rate Identification by CNN-Based Multi-Task Learning

著者 (8件)： Fan Xiaojie (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Xie Yulai (Hitachi (China) Research and Development Co., Ltd., Beijing, China) ,  Ren Fang (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Zhang Yiying (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Huang Xiaoshan (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Chen Wei (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Zhangsun Tianwen (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China) ,  Wang Jianping (School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China)
資料名： IEEE Photonics Journal  (IEEE Photonics Journal)
巻： 10  号： 5  ページ： ROMBUNNO.7901312.1-12  発行年： 2018年 
JST資料番号： W2436A  ISSN： 1943-0655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 非同期遅延タップサンプリング位相ポートレートに関する畳込みニューラルネットワーク(CNN)ベースの深いマルチタスク学習(MTL)による次世代不均一光通信ネットワークにおける,ビットレートと変調フォーマット同定(BR-MFI)を有する共同マルチ障害光学性能監視(OPM)のための新しい技術を提案した。分離問題として監視と同定タスクを処理する代わりに,新しいMTL技術を特徴抽出と特徴共有の能力を利用してそれらの最適化を結合するために用いた。主成分分析ベースのパターン認識アルゴリズムと比較して,CNNベースのMTLはより良い精度を達成して,より短い処理時間(~56ms)を持った。3つの変調フォーマットの組合せ信号と種々の障害の下の2つのビット速度を,数値シミュレーションにおいて用いた。OPMに対して,結果は,それぞれ0.73dB,1.34ps/nm,および0.47psの二乗平均誤差で,光信号対雑音比,色分散,および微分群遅延のモニタリングを示した。同様に,BR-MFIに対しては,制限された訓練データの場合でも,100%の精度を達成できる。さらに,CNNベースのMTL性能に及ぼす訓練データサイズ,タスク重み,およびモデル構造の影響を包括的に研究した。提案した技術は,将来の不均一な光通信ネットワークの信号を知的に分析することができ,解析結果は光ネットワークのより良い管理のために役に立つ。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *主成分分析 ,  微分 ,  群遅延特性 ,  モデル ,  特徴抽出 ,  位相 ,  最適化
準シソーラス用語： 光ネットワーク ,  訓練データ ,  波長分散 ,  数値シミュレーション ,  畳込みニューラルネットワーク ,  *ビットレート ,  *変調フォーマット ,  *マルチタスク学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： CNN ,  マルチタスク学習 ,  光学性能 ,  モニタリング ,  変調フォーマット ,  ビットレート ,  同定