We investigate a Machine Learning regression model for Optical Signal-toNoise Ratio (OSNR) distribution estimation of unestablished lightpaths. The regressor exposes the estimation uncertainty and how close to a threshold each lightpath resides.
Machine Learning Regression vs. Classification for QoT Estimation of Unestablished Lightpaths / Ibrahimi, Memedhe; Abdollahi, Hatef; Giusti, Alessandro; Rottondi, Cristina; Tornatore, Massimo. - ELETTRONICO. - (2020), p. NeM3B.1. (Intervento presentato al convegno OSA Advanced Photonics Congress (AP) 2020 tenutosi a Washington DC, USA nel 13–16 July 2020) [10.1364/NETWORKS.2020.NeM3B.1].
Machine Learning Regression vs. Classification for QoT Estimation of Unestablished Lightpaths
Rottondi, Cristina;
2020
Abstract
We investigate a Machine Learning regression model for Optical Signal-toNoise Ratio (OSNR) distribution estimation of unestablished lightpaths. The regressor exposes the estimation uncertainty and how close to a threshold each lightpath resides.File | Dimensione | Formato | |
---|---|---|---|
APC_invited_ML_Regression__Submitted_.pdf
Open Access dal 17/07/2021
Descrizione: articolo principale
Tipologia:
2. Post-print / Author's Accepted Manuscript
Licenza:
Pubblico - Tutti i diritti riservati
Dimensione
269.15 kB
Formato
Adobe PDF
|
269.15 kB | Adobe PDF | Visualizza/Apri |
Rottondi-Machine.pdf
accesso riservato
Tipologia:
2a Post-print versione editoriale / Version of Record
Licenza:
Non Pubblico - Accesso privato/ristretto
Dimensione
338.31 kB
Formato
Adobe PDF
|
338.31 kB | Adobe PDF | Visualizza/Apri Richiedi una copia |
Pubblicazioni consigliate
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/11583/2855059