MétaCan
Menu
Retour à la cohorte
Enregistrement W4405362220 · doi:10.1109/aiotsys63104.2024.10780644

Memristor Based Gain-Scheduling Controller for Erbium-Doped Fiber Amplifiers

2024· article· en· W4405362220 sur OpenAlexaff
Zhengyu Zhao, Pengcheng Chen, Shichao Liu, Guohui Zhu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésErbium doped fiber amplifierErbiumComputer scienceGain schedulingFiber amplifierMaterials scienceMemristorOptical amplifierAmplifierOptoelectronicsDopingElectronic engineeringCMOSEngineeringControl (management)PhysicsOpticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Incorporating memristors into the control systems of Erbium-Doped Fiber Amplifiers (EDFA) plays a crucial role in bridging the gap between dynamic and static gain control, offering a more responsive solution that optimizes EDFA across various operating situations. This flexibility is well-suited for the evolving needs of optical communication networks, where quick adjustments are often essential. Our study has offered important perspectives on the application of memristor-based EDFA control systems for improving efficiency. Through comparative simulations, it was observed that PI controllers based on memristor outperform traditional analog PI controllers due to their adaptability, which results in faster response times within the typical operating power range. The unique ability of memristor to modulate resistance according to historical voltage proved to be an effective method for implementing real-time adjustment of integral parameters and gain-scheduling control. Stability analysis using Root Locus methods confirmed that memristor- based PI controllers maintain robust stability even as memristor resistance varies. Ultimately, our results emphasize the promising capability of the control systems integrated with memristor to revolutionize EDFA regulation, enhancing flexibility, stability, and responsiveness.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,258
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Memory and Neural ComputingTravaux en français237 207