已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Machine-learning-based EDFA gain estimation [Invited]

计算机科学 先验与后验 频道(广播) 光放大器 最大后验估计 人工神经网络 传输(电信) 均方误差 人工智能 电子工程 工程类 电信 统计 数学 光学 物理 认识论 哲学 最大似然 激光器
作者
Jiakai Yu,Shengxiang Zhu,Craig Gutterman,Gil Zussman,Daniel C. Kilper
出处
期刊:Journal of Optical Communications and Networking [The Optical Society]
卷期号:13 (4): B83-B83 被引量:21
标识
DOI:10.1364/jocn.417584
摘要

Optical transmission systems with high spectral efficiency require accurate quality of transmission estimation for optical channel provisioning. However, the wavelength-dependent gain effects of erbium-doped fiber amplifiers (EDFAs) complicate precise optical channel power prediction and low-margin operation. In this work, we examine supervised machine learning methods using multiple artificial neural networks (ANNs) to build models for gain spectra prediction of optical transmission line EDFAs under different operating conditions. Channel-loading configurations and channel input power spectra are used as an a posteriori knowledge data feature for model training. In a hybrid learning approach, estimated gain spectra calculated by an analytical model are added as an a priori input data feature to further improve the EDFA ANN model performance in terms of prediction accuracy, training time, and quantity of training data. Using these methods, the root mean square error and maximum absolute error of the predicted channel output power can be as low as 0.144 dB and 1.6 dB, respectively.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Rondab应助wangmeiqiong采纳,获得10
2秒前
3秒前
ZYY完成签到,获得积分10
3秒前
ES完成签到 ,获得积分0
4秒前
清新的音响完成签到 ,获得积分10
4秒前
qq完成签到 ,获得积分10
6秒前
7秒前
小二郎应助Mingchun采纳,获得10
9秒前
能干宛秋发布了新的文献求助10
9秒前
善学以致用应助小菡菡采纳,获得10
11秒前
善良芙发布了新的文献求助10
12秒前
14秒前
遥远完成签到,获得积分10
14秒前
呜呼完成签到,获得积分10
15秒前
大个应助xiaohuangya采纳,获得10
15秒前
18秒前
20秒前
学者风范完成签到 ,获得积分10
20秒前
oldblack完成签到,获得积分10
20秒前
HunterKK7发布了新的文献求助10
21秒前
22秒前
22秒前
共享精神应助喂喂采纳,获得30
23秒前
正直蜗牛发布了新的文献求助10
25秒前
25秒前
隐形曼青应助整齐海秋采纳,获得10
27秒前
从容芮完成签到,获得积分0
27秒前
辉哥发布了新的文献求助10
28秒前
xiaohuangya发布了新的文献求助10
31秒前
33秒前
科研通AI2S应助学术djw采纳,获得10
35秒前
明理囧完成签到 ,获得积分10
36秒前
辉哥完成签到,获得积分10
37秒前
量子星尘发布了新的文献求助10
39秒前
喂喂完成签到,获得积分10
40秒前
45秒前
dochx完成签到,获得积分10
46秒前
48秒前
chenlc971125完成签到 ,获得积分10
49秒前
50秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3976600
求助须知:如何正确求助?哪些是违规求助? 3520674
关于积分的说明 11204470
捐赠科研通 3257316
什么是DOI,文献DOI怎么找? 1798683
邀请新用户注册赠送积分活动 877861
科研通“疑难数据库(出版商)”最低求助积分说明 806595