Dissertação
Machine learning techniques for designing optical networks to face future challenges EVALUATED
O aumento constante do tráfego tem pressionado as redes de telecomunicações para que permitam maiores larguras de banda, maiores distâncias de transmissão e maior flexibilidade. Esta tese aborda aspectos relacionados com as capacidades médias de canal das redes ópticas e a forma como as técnicas de aprendizagem automática podem ser utilizadas neste âmbito. Sem técnicas de aprendizagem automática o cálculo de certos importantes aspectos de redes ópticas como o diametro, o número médio de saltos por pedido ou a capacidade apresentam um tempo computacional elevado devido à necessidade de simular os vastos elementos da rede como por exemplo ROADMs, a propagação do sinal na fibra e amplificadores. O objectivo é encontrar um modelo de rede neuronal artificial que calcule a capacidade média de canal de uma rede óptica usando informação sobre a topologia e o tamanho da rede. Para o efeito, são utilizados dois tipos de redes: redes de referência e redes geradas artificialmente, semelhantes às do mundo real. O modelo de rede neural aprende com o conjunto de dados das redes geradas artificialmente e é também validado utilizando as redes de referência. Foram também exploradas outras estimativas utilizando outros modelos de aprendizagem automática para estimar parâmetros como o diâmetro e a carga média por ligação. A capacidade de prever parâmetros importantes das redes e como são influenciados permite enfrentar desafios futuros, como a saturação da banda C em redes ópticas, uma vez que facilitam estratégias para alcançar a optimização da banda.
junho 27, 2023, 14:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar