Dissertação
Awareness of optical network performance with machine learning methods EVALUATED
A Aprendizagem Automática recentemente recebeu muita atenção por parte dos engenheiros, pois permitiram a automatização de várias decisões de gestão e otimização do desempenho das redes óticas. Portanto, o primeiro objetivo desta dissertação foi gerar uma quantidade de dados considerável, usando GNPy uma ferramenta capaz de simular o desempenho das redes óticas. O GNPy é um programa de software independente de fornecedor que calcula a relação sinal-ruído ótico de um canal de luz numa ligação ótica, dada a colocação dos recursos de uma rede multiplexada por divisão de comprimento de onda totalmente coerente. O segundo objetivo desta dissertação foi encontrar o modelo de Aprendizagem Automática mais eficiente para estimar a relação sinal-ruído ótico com base em 11 parâmetros físicos que permitem caracterizar o desempenho típico das redes óticas. Vários modelos de regressão de Aprendizagem Automática foram estudados: Regressão Polinomial, Floresta Aleatória e Redes Neurais Artificiais. Foi feita a comparação do desempenho dos vários modelos, onde se verificou que as Redes Neurais Artificiais ultrapassaram os restantes modelos. Foi também considerado o melhor compromisso, entre dois objetivos conflituantes, ou seja, desempenho do modelo (em termos de erro quadrático médio) e complexidade do modelo (em termos de número de parâmetros treináveis). O terceiro objetivo deste trabalho foi estudar a importância dos parâmetros e construir modelos de regressão baseados em um número menor de parâmetros.
junho 30, 2022, 16:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Catedrático