論文の概要: Reflective Fiber Faults Detection and Characterization Using
Long-Short-Term Memory
- arxiv url: http://arxiv.org/abs/2204.07058v1
- Date: Sat, 19 Mar 2022 08:45:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-17 10:38:34.507297
- Title: Reflective Fiber Faults Detection and Characterization Using
Long-Short-Term Memory
- Title（参考訳）: 長期記憶を用いた反射性繊維欠陥の検出と評価
- Authors: Khouloud Abdelli, Helmut Griesser, Peter Ehrle, Carsten Tropschug, and
Stephan Pachnicke
- Abstract要約: 本研究では,長い短期記憶(LSTM)に基づく新たな学習モデルを提案し,繊維反射欠陥の反射率を検出し,検出し,推定する。
実験の結果,提案手法は短時間で優れた検出能力と高精度な位置推定を実現することができた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To reduce operation-and-maintenance expenses (OPEX) and to ensure optical
network survivability, optical network operators need to detect and diagnose
faults in a timely manner and with high accuracy. With the rapid advancement of
telemetry technology and data analysis techniques, data-driven approaches
leveraging telemetry data to tackle the fault diagnosis problem have been
gaining popularity due to their quick implementation and deployment. In this
paper, we propose a novel multi-task learning model based on long short-term
memory (LSTM) to detect, locate, and estimate the reflectance of fiber
reflective faults (events) including the connectors and the mechanical splices
by extracting insights from monitored data obtained by the optical time domain
reflectometry (OTDR) principle commonly used for troubleshooting of fiber optic
cables or links. The experimental results prove that the proposed method: (i)
achieves a good detection capability and high localization accuracy within
short measurement time even for low SNR values; and (ii) outperforms
conventionally employed techniques.
- Abstract（参考訳）: 運用保守費(OPEX)を削減し、光ネットワークの生存性を確保するためには、光ネットワークオペレーターがタイムリーかつ高精度に障害を検出し診断する必要がある。
テレメトリ技術とデータ分析技術の急速な進歩により、テレメトリデータを活用して障害診断問題に取り組むデータ駆動アプローチが、迅速な実装と展開のために人気を集めている。
本稿では,光時間領域反射法(OTDR)原則により得られた観測データから,光ファイバーケーブルやリンクのトラブルシューティングによく用いられる洞察を抽出することにより,コネクタや機械的スプライスを含む繊維反射欠陥(イベント)の反射率を検出し,検出し,推定する,長期記憶(LSTM)に基づく新しいマルチタスク学習モデルを提案する。
実験の結果,提案手法が証明された。
(i)低いsnr値であっても、短い測定時間内で優れた検出能力と高い位置決め精度を達成する。
(ii)従来の技法を上回っている。
関連論文リスト
- Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
非視線画像(NLOS)は、その潜在的な応用により注目されている。
既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。
本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
論文 参考訳（メタデータ） (2024-09-21T04:39:45Z) - Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。
この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。
提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
論文 参考訳（メタデータ） (2024-07-26T10:29:16Z) - Recall-driven Precision Refinement: Unveiling Accurate Fall Detection
using LSTM [0.0]
本稿では,高齢者の転倒事故に対するプレッシャー的懸念に対処するために,正確な転倒検知システムを開発することで,革新的なアプローチを提案する。
提案システムは,加速度センサやジャイロセンサなどの最先端技術とディープラーニングモデル,特にLong Short-Term Memory(LSTM)ネットワークを組み合わせる。
本稿では,LSTMモデルのアーキテクチャとパラメータを戦略的に微調整し,システムの性能を最適化するプルーニング手法を提案する。
論文 参考訳（メタデータ） (2023-09-09T20:17:39Z) - A Machine Learning-based Framework for Predictive Maintenance of
Semiconductor Laser for Optical Communication [0.0]
半導体チューナブルレーザーの加速時効試験から得られた実験データを用いて,本フレームワークの有効性を検証した。
提案手法は,小さな根平均二乗誤差(RMSE)0.01,優れた異常検出精度94.24%,既存のMLベースのレーザRUL予測モデルよりも優れたRUL推定能力を有する,非常に優れた劣化性能予測性能を実現する。
論文 参考訳（メタデータ） (2022-11-05T07:53:02Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - Convolutional Neural Networks for Reflective Event Detection and
Characterization in Fiber Optical Links Given Noisy OTDR Signals [0.0]
本稿では,畳み込みニューラルネットワーク(CNN)に基づく新しいデータ駆動手法を提案する。
シミュレーションでは,SNR値が低い場合でも,誤報率の低い検出能力と位置決め精度の向上を実現した。
論文 参考訳（メタデータ） (2022-03-19T09:20:40Z) - Machine Learning-based Anomaly Detection in Optical Fiber Monitoring [0.0]
本稿では,ファイバー切断や光盗聴攻撃を含む繊維異常を高精度かつ迅速に検出し,診断し,局所化するデータ駆動手法を提案する。
提案手法は,オートエンコーダに基づく異常検出と,アテンションに基づく双方向ゲートリカレント・ユニット・アルゴリズムを組み合わせた。
実験の結果, (i) オートエンコーダはF1スコア96.86%の繊維欠陥や異常を検知し, (ii) 注意に基づく双方向ゲート再帰単位アルゴリズムは検出された異常を平均98.2%の精度で識別する。
論文 参考訳（メタデータ） (2022-03-19T08:56:54Z) - ML-based Anomaly Detection in Optical Fiber Monitoring [0.0]
本稿では,光ネットワークにおける異常検出と故障同定のためのデータ駆動手法を提案し,ファイバブレークや光タッピングなどの物理的攻撃を診断する。
実運用データを用いた各種攻撃シナリオを用いた実験により,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2022-02-23T19:43:37Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z) - Signal Processing and Machine Learning Techniques for Terahertz Sensing:
An Overview [89.09270073549182]
テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。
THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。
本稿では,信号前処理に着目した手法の概要を示す。
また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
論文 参考訳（メタデータ） (2021-04-09T01:38:34Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。