Fugu-MT 論文翻訳(概要): Power Evolution Prediction and Optimization in a Multi-span System Based on Component-wise System Modeling

論文の概要: Power Evolution Prediction and Optimization in a Multi-span System Based on Component-wise System Modeling

arxiv url: http://arxiv.org/abs/2009.05348v1
Date: Fri, 11 Sep 2020 11:26:06 GMT
ステータス: 処理完了
システム内更新日: 2022-10-19 22:16:04.304517
Title: Power Evolution Prediction and Optimization in a Multi-span System Based on Component-wise System Modeling
Title（参考訳）: コンポーネントワイズシステムモデリングに基づくマルチスパンシステムにおける電力進化予測と最適化
Authors: Metodi P. Yankov, Uiara Celine de Moura, Francesco Da Ros
Abstract要約: 単一物理デバイス上でトレーニングされた機械学習に基づくEDFAゲインモデルのカスケードを用いて、実験用マルチスパンフルロードCバンド光通信システムの出力におけるパワープロファイルの予測と最適化を行う。
参考スコア（独自算出の注目度）: 1.1688030627514534
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cascades of a machine learning-based EDFA gain model trained on a single physical device and a fully differentiable stimulated Raman scattering fiber model are used to predict and optimize the power profile at the output of an experimental multi-span fully-loaded C-band optical communication system.
Abstract（参考訳）: 単一物理デバイス上で訓練された機械学習に基づくEDFAゲインモデルと完全に微分可能なラマン散乱ファイバーモデルを用いて、実験用マルチスパンフルロードCバンド光通信システムの出力時のパワープロファイルを予測・最適化する。

関連論文リスト

Learning Energy-Based Models by Cooperative Diffusion Recovery Likelihood [64.95663299945171]
高次元データに基づくエネルギーベースモデル(EBM)の訓練は、困難かつ時間を要する可能性がある。 EBMと、GANや拡散モデルのような他の生成フレームワークとの間には、サンプル品質に顕著なギャップがある。本研究では,協調拡散回復可能性 (CDRL) を提案する。
論文参考訳（メタデータ） (2023-09-10T22:05:24Z)
Differential Evolution Algorithm based Hyper-Parameters Selection of Transformer Neural Network Model for Load Forecasting [0.0]
トランスフォーマーモデルは、そのアテンションメカニズムから派生した長距離依存を学習できるため、ロード予測を改善する可能性がある。我々の研究は,平均二乗誤差 (MSE) や平均絶対パーセンテージ誤差 (MAPE) といった数値に基づく負荷予測において,異なるメタヒューリスティックアルゴリズムと統合されたトランスフォーマーベースニューラルネットワークモデルを比較した。
論文参考訳（メタデータ） (2023-07-28T04:29:53Z)
Robustness and Generalization Performance of Deep Learning Models on Cyber-Physical Systems: A Comparative Study [71.84852429039881]
調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
論文参考訳（メタデータ） (2023-06-13T12:43:59Z)
Diffusion Glancing Transformer for Parallel Sequence to Sequence Learning [52.72369034247396]
モーダリティ拡散プロセスと残差グランシングサンプリングを併用した拡散グランシング変換器を提案する。 DIFFGLATは、自己回帰モデルと非自己回帰モデルの両方と比較して、高速な復号速度を維持しながら、より優れた生成精度を実現する。
論文参考訳（メタデータ） (2022-12-20T13:36:25Z)
Normal-mode splitting in the optomechanical system with an optical parametric amplifier and coherent feedback [4.733461074976389]
正規モード分割(NMS)は強い結合系の最も顕著な記号である。可動ミラーのスペクトルにNMSを示し、光学系における出力場を柔軟に設計することができる。
論文参考訳（メタデータ） (2022-10-09T08:06:19Z)
Proximal Policy Optimization-based Transmit Beamforming and Phase-shift Design in an IRS-aided ISAC System for the THz Band [90.45915557253385]
テラヘルツ(THz)帯で動作するIRS支援統合センシング・通信(ISAC)システムを提案し,システム容量を最大化する。透過ビームフォーミングと位相シフト設計はエルゴード制約を伴う普遍最適化問題に変換される。
論文参考訳（メタデータ） (2022-03-21T09:15:18Z)
Fast and accurate waveform modeling of long-haul multi-channel optical fiber transmission using a hybrid model-data driven scheme [3.771681732160885]
提案手法は,光打ち上げ能力,変調形式,チャネル数,伝送距離に高い精度,高速,ロバストな能力を有することを示す。その結果、非線形ファイバーモデリングの顕著な改善と、NLSEのような偏微分方程式の解法と光ファイバ物理問題に対する新しい視点の開拓が示された。
論文参考訳（メタデータ） (2022-01-12T06:10:30Z)
Pseudo-Spherical Contrastive Divergence [119.28384561517292]
エネルギーベースモデルの最大学習確率を一般化するために,擬球面コントラスト分散(PS-CD)を提案する。 PS-CDは難解な分割関数を避け、学習目的の一般化されたファミリーを提供する。
論文参考訳（メタデータ） (2021-11-01T09:17:15Z)
SNR optimization of multi-span fiber optic communication systems employing EDFAs with non-flat gain and noise figure [0.0]
信号間雑音(SNR)最適化のためのマルチスパン伝送システムのコンポーネントワイズモデルを提案する。 GFFのないCバンド増幅器のゲインおよびノイズフィギュアスペクトルプロファイルについて、機械学習に基づくモデルを訓練する。 SNR平坦度を1.2dBまで同時に達成する。
論文参考訳（メタデータ） (2021-06-07T14:09:53Z)
Training Deep Energy-Based Models with f-Divergence Minimization [113.97274898282343]
深部エネルギーベースモデル(EBM)は分布パラメトリゼーションにおいて非常に柔軟であるが、計算的に困難である。所望のf偏差を用いてEMMを訓練するための、f-EBMと呼ばれる一般的な変分フレームワークを提案する。実験の結果,F-EBMは対照的なばらつきよりも優れており,KL以外のf-divergencesを用いたEBMの訓練の利点も示された。
論文参考訳（メタデータ） (2020-03-06T23:11:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。