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.

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.
978-1-943580-71-2
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