Archivio Istituzionale della RicercaWe explore deep learning-based classification and regression algorithms to estimate quality of transmission in single-mode and few-mode fiber links. Both approaches are shown to be effective and low complexity.
Deep Learning for QoT Estimation in SMF and FMF Links / Amirabadi, Ma; Kahaei, Mh; Nezamalhosseini, Sa; Carena, A. - ELETTRONICO. - (2022), pp. 685-687. (Intervento presentato al convegno 2022 Asia Communications and Photonics Conference (ACP) tenutosi a Shenzhen, China nel 05-08 November 2022) [10.1109/ACP55869.2022.10088669].
Deep Learning for QoT Estimation in SMF and FMF Links
Amirabadi, MA;Carena, A
2022
Abstract
We explore deep learning-based classification and regression algorithms to estimate quality of transmission in single-mode and few-mode fiber links. Both approaches are shown to be effective and low complexity.
File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
269_apc2022.pdf
non disponibili
Tipologia:
2a Post-print versione editoriale / Version of Record
Licenza:
Non Pubblico - Accesso privato/ristretto
Dimensione
2.8 MB
Formato
Adobe PDF
|
2.8 MB | Adobe PDF | Visualizza/Apri Richiedi una copia |
|
ACP_QoT.pdf
accesso aperto
Tipologia:
2. Post-print / Author's Accepted Manuscript
Licenza:
PUBBLICO - Tutti i diritti riservati
Dimensione
1.44 MB
Formato
Adobe PDF
|
1.44 MB | 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/11583/2984833