Fugu-MT 論文翻訳(概要): Branch Identification in Passive Optical Networks using Machine Learning

論文の概要: Branch Identification in Passive Optical Networks using Machine Learning

arxiv url: http://arxiv.org/abs/2304.00285v1
Date: Sat, 1 Apr 2023 10:26:16 GMT
ステータス: 処理完了
システム内更新日: 2023-04-04 18:53:11.003659
Title: Branch Identification in Passive Optical Networks using Machine Learning
Title（参考訳）: 機械学習を用いた受動光ネットワークにおける分岐同定
Authors: khouloud Abdelli, Carsten Tropschug, Helmut Griesser, Sander Jansen, and Stephan Pachnicke
Abstract要約: ほぼ等距離の枝を持つ受動光ネットワークにおけるモニタリング改善のための機械学習手法を提案し,実験的に検証した。高い診断精度は98.7%、事象の局所化誤差は0.5mである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: A machine learning approach for improving monitoring in passive optical networks with almost equidistant branches is proposed and experimentally validated. It achieves a high diagnostic accuracy of 98.7% and an event localization error of 0.5m
Abstract（参考訳）: ほぼ同値な分岐を持つ受動光ネットワークの監視を改善するための機械学習手法を提案し,実験的に検証した。診断精度は98.7%、事象定位誤差は0.5mである。

関連論文リスト

Experimental Investigation of Machine Learning based Soft-Failure Management using the Optical Spectrum [0.0]
本稿では,異なる機械学習アルゴリズムのソフト障害管理の性能を実験的に比較する。機械学習に基づくソフト障害管理フレームワークを提案する。このフレームワークは、利用可能なトレーニングデータのごく一部で確実に動作し、未知の障害タイプを特定することができる。
論文参考訳（メタデータ） (2023-12-12T12:21:08Z)
HAct: Out-of-Distribution Detection with Neural Net Activation Histograms [7.795929277007233]
本稿では,OOD検出のための新しい記述子HActを提案する。すなわち,入力データの影響下でのニューラルネットワーク層の出力値の確率分布(ヒストグラムで近似)について述べる。複数の画像分類ベンチマークにおいて,HActはOOD検出における最先端技術よりもはるかに精度が高いことを示す。
論文参考訳（メタデータ） (2023-09-09T16:22:18Z)
High-Throughput, High-Performance Deep Learning-Driven Light Guide Plate Surface Visual Quality Inspection Tailored for Real-World Manufacturing Environments [75.66288398180525]
光導光板は、医療用照明器具からバックライトテレビディスプレイまで幅広い用途で広く利用されている光学部品である。本研究では,光ガイド板表面の視覚的品質検査(VQI)を現実の製造環境に適した,完全に統合された,高性能なディープラーニング駆動ワークフローを提案する。完全統合VQIシステム内のエッジコンピューティング上でのVQIの自動化を実現するため、高コンパクトな深層アンチエイリアス型アテンションコンデンサニューラルネットワーク(LightDefectNetと呼ぶ)が開発された。 LightDetectNetが検出精度を実現する実験
論文参考訳（メタデータ） (2022-12-20T20:11:11Z)
Gated Recurrent Unit based Autoencoder for Optical Link Fault Diagnosis in Passive Optical Networks [0.0]
受動光ネットワークにおけるファイバ故障の同定と局所化のための深層学習手法を提案する。実験の結果,提案手法は97%の精度で断層を検知し, RMSE0.18mでピンポイントし, 従来の手法より優れていた。
論文参考訳（メタデータ） (2022-03-19T09:26:07Z)
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)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)
Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文参考訳（メタデータ） (2020-07-18T05:46:47Z)
Circumventing Outliers of AutoAugment with Knowledge Distillation [102.25991455094832]
AutoAugmentは多くの視覚タスクの精度を向上させる強力なアルゴリズムである。本論文は作業機構を深く掘り下げ,AutoAugmentがトレーニング画像から識別情報の一部を除去できることを明らかにする。教師モデルの出力に言及した知識蒸留を用いて,ネットワークトレーニングの指導を行う。
論文参考訳（メタデータ） (2020-03-25T11:51:41Z)
Resolution Adaptive Networks for Efficient Inference [53.04907454606711]
本稿では,低分解能表現が「容易」な入力を分類するのに十分である,という直感に触発された新しいレゾリューション適応ネットワーク(RANet)を提案する。 RANetでは、入力画像はまず、低解像度表現を効率的に抽出する軽量サブネットワークにルーティングされる。ネットワーク内の高解像度パスは、"ハード"サンプルを認識する能力を維持している。
論文参考訳（メタデータ） (2020-03-16T16:54:36Z)
BiDet: An Efficient Binarized Object Detector [96.19708396510894]
本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
論文参考訳（メタデータ） (2020-03-09T08:16:16Z)

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。