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

• arxiv url: http://arxiv.org/abs/2304.01376v1
• Date: Mon, 3 Apr 2023 20:59:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-05 16:18:00.938361
• Title: Faulty Branch Identification in Passive Optical Networks using Machine Learning
• Title（参考訳）: 機械学習を用いたパッシブ光ネットワークにおける故障分岐同定
• Authors: Khouloud Abdelli, Carsten Tropschug, Helmut Griesser, and Stephan Pachnicke
• Abstract要約: パッシブ光ネットワーク(PON)は有望なブロードバンドアクセスネットワークソリューションとなっている。 PONシステムはネットワークの障害を素早く特定し、ローカライズするために、常に監視されなければならない。 機械学習(ML)ベースのアプローチは、PONシステムにおける光学的欠陥を管理する大きな可能性を示している。
• 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: Passive optical networks (PONs) have become a promising broadband access network solution. To ensure a reliable transmission, and to meet service level agreements, PON systems have to be monitored constantly in order to quickly identify and localize networks faults. Typically, a service disruption in a PON system is mainly due to fiber cuts and optical network unit (ONU) transmitter/receiver failures. When the ONUs are located at different distances from the optical line terminal (OLT), the faulty ONU or branch can be identified by analyzing the recorded optical time domain reflectometry (OTDR) traces. However, faulty branch isolation becomes very challenging when the reflections originating from two or more branches with similar length overlap, which makes it very hard to discriminate the faulty branches given the global backscattered signal. Recently, machine learning (ML) based approaches have shown great potential for managing optical faults in PON systems. Such techniques perform well when trained and tested with data derived from the same PON system. But their performance may severely degrade, if the PON system (adopted for the generation of the training data) has changed, e.g. by adding more branches or varying the length difference between two neighboring branches. etc. A re-training of the ML models has to be conducted for each network change, which can be time consuming. In this paper, to overcome the aforementioned issues, we propose a generic ML approach trained independently of the network architecture for identifying the faulty branch in PON systems given OTDR signals for the cases of branches with close lengths. Such an approach can be applied to an arbitrary PON system without requiring to be re-trained for each change of the network. The proposed approach is validated using experimental data derived from PON system.
• Abstract（参考訳）: パッシブ光ネットワーク(PON)は有望なブロードバンドアクセスネットワークソリューションとなっている。 信頼できる送信を確実にし、サービスレベルの合意を満たすためには、ネットワーク障害を迅速に識別しローカライズするために、ponシステムを常に監視する必要がある。 通常、PONシステムにおけるサービス中断は、主にファイバカットと光ネットワークユニット(ONU)の送信機/受信機故障に起因する。 ONUが光線端末(OLT)と異なる距離にある場合、記録された光時間領域反射率(OTDR)トレースを分析して故障したONUまたは分岐を特定することができる。 しかし、同じ長さの2つ以上の枝に由来する反射が重なり合うと、故障枝の分離が非常に困難になるため、大域的な後方散乱信号による故障枝の判別が困難になる。 近年、機械学習(ML)に基づくアプローチは、PONシステムにおける光学的欠陥を管理する大きな可能性を示している。 このようなテクニックは、同じPONシステムから派生したデータでトレーニングやテストを行うときによく機能する。 しかし、ponシステム(トレーニングデータの生成に採用)が変化した場合、例えば、より多くのブランチを追加したり、隣り合う2つのブランチの長さ差を変更したりすることで、パフォーマンスが著しく低下する可能性がある。 など ネットワーク変更毎にmlモデルを再トレーニングする必要があるため、時間を要する可能性がある。 本稿では,ネットワークアーキテクチャとは独立に学習した汎用MLアプローチを提案し,近接長の分岐に対してOTDR信号が与えられたPONシステムの障害分岐を特定する。 このようなアプローチは、ネットワークの変更毎に再トレーニングされることなく、任意のPONシステムに適用することができる。 提案手法はPONシステムから得られた実験データを用いて検証する。

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)
• Deep Learning Assisted Multiuser MIMO Load Modulated Systems for Enhanced Downlink mmWave Communications [68.96633803796003]
  本稿では, マルチユーザ負荷変調アレイ (MU-LMA) に着目し, マイクロウェーブ (mmWave) マルチインプット・マルチアウトプット (MIMO) システムにおいて, マルチユーザ負荷変調アレイ (MU-LMA) の小型化とコスト削減を図っている。 ダウンリンクMU-LMAの既存のプリコーディングアルゴリズムは、自由度と複雑なシステム構成の低下に悩まされるサブアレイ構造化(SAS)送信機に依存している。 本稿では,FAS (Full-array Structured) 送信機を用いたMU-LMAシステムを提案し,それに応じて2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-08T08:54:56Z)
• Fault Monitoring in Passive Optical Networks using Machine Learning Techniques [0.0]
  PONシステムにおける障害監視のための機械学習(ML)アプローチを提案する。 実験的な光時間領域反射法(OTDR)データを用いて検証する。
  論文  参考訳（メタデータ） (2023-07-08T09:59:19Z)
• Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
  本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。 その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T15:04:06Z)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks [101.59367762974371]
  本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。 パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。 我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
  論文  参考訳（メタデータ） (2022-10-08T04:32:58Z)
• Distributed Online System Identification for LTI Systems Using Reverse Experience Replay [14.924672048447334]
  マルチエージェントネットワーク上での線形時間不変(LTI)システムの分散オンラインシステム同定について検討した。 本稿では,SGD-RERアルゴリズムの分散変種であるDSGD-RERを提案する。
  論文  参考訳（メタデータ） (2022-07-03T15:03:38Z)
• Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
  事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。 ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
  論文  参考訳（メタデータ） (2022-01-20T06:36:35Z)
• Data-Driven Deep Learning Based Hybrid Beamforming for Aerial Massive MIMO-OFDM Systems with Implicit CSI [29.11998008894847]
  本稿では,データ駆動型深層学習に基づく統合ハイブリッドビームフォーミングフレームワークを提案する。 TDDシステムでは、提案されたDLベースのアプローチは、E2Eニューラルネットワークとして、アップリンクパイロットの組み合わせとダウンリンクハイブリッドビームフォーミングモジュールを共同でモデル化する。 FDDシステムにおいて、我々は、E2Eニューラルネットワークとして、ダウンリンクパイロットトランスミッション、アップリンクCSIフィードバック、およびダウンリンクハイブリッドビームフォーミングモジュールを共同でモデル化する。
  論文  参考訳（メタデータ） (2022-01-18T07:21:00Z)
• An error-propagation spiking neural network compatible with neuromorphic processors [2.432141667343098]
  本稿では,局所的な重み更新機構を用いたバックプロパゲーションを近似したスパイクに基づく学習手法を提案する。 本稿では,重み更新機構による誤り信号のバックプロパゲートを可能にするネットワークアーキテクチャを提案する。 この研究は、超低消費電力混合信号ニューロモルフィック処理系の設計に向けた第一歩である。
  論文  参考訳（メタデータ） (2021-04-12T07:21:08Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)

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。