Archivio Istituzionale della RicercaWe compare the level of accuracy achieved by active learning and domain adaptation approaches for quality of transmission estimation of an unestablished lightpath, in presence of small-sized training datasets.
Active vs Transfer Learning Approaches for QoT Estimation with Small Training Datasets / Azzimonti, Dario; Rottondi, Cristina; Giusti, Alessandro; Tornatore, Massimo; Bianco, Andrea. - STAMPA. - (2020). ((Intervento presentato al convegno OFC 2020- The Optical Networking and Communication Conference & Exhibition tenutosi a San Diego nel March 2020 [10.1364/OFC.2020.M4E.1].
Active vs Transfer Learning Approaches for QoT Estimation with Small Training Datasets
Rottondi, Cristina;Bianco, Andrea
2020
Abstract
We compare the level of accuracy achieved by active learning and domain adaptation approaches for quality of transmission estimation of an unestablished lightpath, in presence of small-sized training datasets.
File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
OFC_invited_transfer_active.pdf
embargo fino al 12/03/2021
Descrizione: Post print non editoriale
Tipologia:
2. Post-print / Author's Accepted Manuscript
Licenza:
PUBBLICO - Tutti i diritti riservati
Dimensione
1.37 MB
Formato
Adobe PDF
|
1.37 MB | Adobe PDF | Visualizza/Apri |
|
09083455.pdf
non disponibili
Descrizione: Post print editoriale
Tipologia:
2a Post-print versione editoriale / Version of Record
Licenza:
Non Pubblico - Accesso privato/ristretto
Dimensione
1.38 MB
Formato
Adobe PDF
|
1.38 MB | Adobe PDF | Visualizza/Apri Richiedi una copia |
Pubblicazioni consigliate
Caricamento pubblicazioni consigliate
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
http://hdl.handle.net/11583/2826021