Active Learning-Aided CNN-Based Entropy-Tunable Automatic Modulation Identification for Rate-Flexible Coherent Optical System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Flexible rate and real-time link monitoring are important tasks in the development of software-defined elastic optical networks (EONs). The tunable spectral efficiency characteristic of probabilistic constellation shaping (PCS) naturally provides a possibility to dynamically regulate the rate for future optical communication systems. In this work, we firstly propose an active learning-aided entropy-tunable automatic modulation identification (AL-aided ET-AMI) scheme based on convolution neural network (CNN) model for a PCS-based coherent optical system. An AL-based neural network allows monitoring of the link rate and signal-to-noise ratio (SNR) with tuning entropy or optical power fluctuation. The proposed AL-aided ET-AMI scheme is demonstrated over a 350∼550-Gbps line rate 10-km dual-polarized coherent optical communication system at entropies from 3.5 to 5.5. When the entropy tuning step is 0.1, corresponding to a rate tuning step of 5 Gbps at 50 Gbaud, the recognition accuracy can reach 98% with data aggregation (DA). When the fluctuation of SNR is 1 dB, the recognition rate can reach 87% at an entropy of 4.5 over 400 samples. The verifications show that our proposed AL-aided ET-AMI solution can monitor the rate and SNR performance of PCS-based high-speed rate-flexible optical links well. The solution provides a new perspective and tool for future optical systems and network monitoring.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle