Archivio Istituzionale della RicercaWe demonstrate the potentialities of explainable AI when applied to distill knowledge from a trained supervised machine learning model for lightpath quality of transmission estimation in optical networks, with synthetic datasets.
On the Application of Explainable Artificial Intelligence to Lightpath QoT Estimation / Ayoub, O., Bianco, A., Andreoletti, D., Troia, S., Giordano, S., Rottondi, C.. - ELETTRONICO. - (2022), pp. 1-3. (2022 Optical Fiber Communications Conference and Exhibition (OFC) San Diego, California United States 6–10 March 2022) [10.1364/OFC.2022.M3F.5].
On the Application of Explainable Artificial Intelligence to Lightpath QoT Estimation
Bianco, Andrea;Rottondi, Cristina
2022
Abstract
We demonstrate the potentialities of explainable AI when applied to distill knowledge from a trained supervised machine learning model for lightpath quality of transmission estimation in optical networks, with synthetic datasets.
File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
OFC_2022 (4).pdf
Open Access dal 11/03/2023
Descrizione: versione accettata
Tipologia:
2. Post-print / Author's Accepted Manuscript
Licenza:
Pubblico - Tutti i diritti riservati
Dimensione
295.33 kB
Formato
Adobe PDF
|
295.33 kB | Adobe PDF | Visualizza/Apri |
|
OFC-2022-M3F.5.pdf
accesso riservato
Descrizione: versione editoriale
Tipologia:
2a Post-print versione editoriale / Version of Record
Licenza:
Non Pubblico - Accesso privato/ristretto
Dimensione
372.32 kB
Formato
Adobe PDF
|
372.32 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.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/11583/2974076