10.3979/j.issn.1673-825X.202210120276
基于多任务学习的光信道性能多变量预测方法
针对高速光骨干网络中信道传输损伤对信道性能造成影响的问题,提出基于多任务学习的光信道性能多变量预测方法.构建基于交叉递归图理论的光信道性能影响因素的确定方法,从定性和定量的角度实现对光信道性能的同信道以及跨信道影响因素的有效筛选;利用多个筛选的影响因素,构建基于多任务学习的深度回声状态网络多变量预测方法,实现不同光信道状态参数的特征共享,进而高效准确地完成特定光信道的性能预测任务.仿真结果表明,提出的方法在保证运算效率的前提下,相较于其他先进深度学习模型,预测精度平均可提升约39.8%.
光纤和光通信、交叉递归图理论、多任务学习、深度回声状态网络
35
TN913.7
2023-10-31(万方平台首次上网日期,不代表论文的发表时间)
共9页
854-862