文献

J-GLOBAL ID：201902290436579755   整理番号：19A1332215

弾性光ネットワークのためのファイバ非線形性モデリングとモニタリングにおける機械学習の応用【JST・京大機械翻訳】

Application of Machine Learning in Fiber Nonlinearity Modeling and Monitoring for Elastic Optical Networks

著者 (7件)： Zhuge Qunbi (State Key Laboratory of Advanced Optical Communication Systems and Networks, Shanghai Jiao Tong University, Shanghai Institute for Advanced Communication and Data Science, Shanghai, China) ,  Zeng Xiaobo (State Key Laboratory of Advanced Optical Communication Systems and Networks, Shanghai Jiao Tong University, Shanghai Institute for Advanced Communication and Data Science, Shanghai, China) ,  Lun Huazhi (State Key Laboratory of Advanced Optical Communication Systems and Networks, Shanghai Jiao Tong University, Shanghai Institute for Advanced Communication and Data Science, Shanghai, China) ,  Cai Meng (State Key Laboratory of Advanced Optical Communication Systems and Networks, Shanghai Jiao Tong University, Shanghai Institute for Advanced Communication and Data Science, Shanghai, China) ,  Liu Xiaomin (State Key Laboratory of Advanced Optical Communication Systems and Networks, Shanghai Jiao Tong University, Shanghai Institute for Advanced Communication and Data Science, Shanghai, China) ,  Yi Lilin (State Key Laboratory of Advanced Optical Communication Systems and Networks, Shanghai Jiao Tong University, Shanghai Institute for Advanced Communication and Data Science, Shanghai, China) ,  Hu Weisheng (State Key Laboratory of Advanced Optical Communication Systems and Networks, Shanghai Jiao Tong University, Shanghai Institute for Advanced Communication and Data Science, Shanghai, China)
資料名： Journal of Lightwave Technology  (Journal of Lightwave Technology)
巻： 37  号： 13  ページ： 3055-3063  発行年： 2019年 
JST資料番号： H0922A  ISSN： 0733-8724  CODEN： JLTEDG  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： ファイバ非線形干渉(NLI)モデリングと監視は,弾性光ネットワークをサポートするための重要な構築ブロックである。過去において,それらは通常開発され,別々に研究された。さらに,以前に提案された方法の精度は,不均一動的光ネットワークに対して改善される必要がある。本論文では,NLIモデリングと監視における機械学習(ML)の応用を示した。特に,著者らは最初に,現在のファイバ非線形性モデルの誤差を較正するためにMLアプローチを使用することを提案した。Gauss雑音モデルを実例として用い,人工ニューラルネットワークの助けを借りて有意な改善を実証した。さらに,著者らは,NLI分散のより良い推定のためにモデリングとモニタリング方式を結合するためにMLを使用することを提案した。2411リンクによる広範なシミュレーションを行い,種々の方式の性能を評価し,解析し,モデリングと監視のML支援組合せの優れた性能を実証した。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： *モデリング ,  *機械学習 ,  *弾性 ,  Gauss雑音 ,  ニューラルネットワーク ,  干渉
準シソーラス用語： *光ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 光通信方式・機器  (ND10000B)

タイトルに関連する用語 (7件)： 弾性 ,  光ネットワーク ,  ファイバ非線形性 ,  モデリング ,  モニタリング ,  機械学習 ,  応用