Archivio Istituzionale della RicercaWe propose a machine learning based approach to predict control signals for a photonic switching system. This solution is topology and technology agnostic and it can be employed in real-time switch control planes.
Machine Learning Assisted Management of Photonic Switching Systems / Khan, Ihtesham; Masood, MUHAMMAD UMAR; Tunesi, Lorenzo; Bardella, Paolo; Carena, Andrea; Curri, Vittori. - ELETTRONICO. - (2021). (Intervento presentato al convegno (CLEO) conference on Lasers and Electro-Optics tenutosi a San Jose nel 9–14 May 2021) [10.1364/CLEO_AT.2021.JTu3A.32].
Machine Learning Assisted Management of Photonic Switching Systems
KHAN, IHTESHAM;MASOOD, MUHAMMAD UMAR;TUNESI, LORENZO;BARDELLA, PAOLO;CARENA, ANDREA;CURRI, VITTORI
2021
Abstract
We propose a machine learning based approach to predict control signals for a photonic switching system. This solution is topology and technology agnostic and it can be employed in real-time switch control planes.
File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
CLEO_AT-2021-JTu3A.32.pdf
non disponibili
Tipologia:
2a Post-print versione editoriale / Version of Record
Licenza:
Non Pubblico - Accesso privato/ristretto
Dimensione
251.5 kB
Formato
Adobe PDF
|
251.5 kB | Adobe PDF | Visualizza/Apri Richiedi una copia |
|
C_CLEO_2021_Machine_Learning_Assisted_Management____V1_02032021 (1).pdf
Open Access dal 15/05/2022
Tipologia:
2. Post-print / Author's Accepted Manuscript
Licenza:
PUBBLICO - Tutti i diritti riservati
Dimensione
175.81 kB
Formato
Adobe PDF
|
175.81 kB | Adobe PDF | Visualizza/Apri |
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:
https://hdl.handle.net/11583/2917912