文档名：基于机器学习的光网络监测与优化方法
摘要：近年来,许多新型调制和复用技术以及动态网络概念被提出,以适应不断提高的网络带宽和质量需求.网络控制平台向系统化、智能化趋势发展,要求网络管理者不断监测网络各项参数,时刻优化网络状态.然而,大范围部署额外的监测设备获取参数信息从成本控制的角度缺乏可行性,利用已知数据与特殊算法进行网络性能监测和优化是更优的选择.机器学习方法因为其足够准确和高效逐渐被学术界采纳用于完成上述任务.文章梳理了在光网络监测与优化任务中使用机器学习算法的不同应用场景,综述了该领域的研究成果,并提出了现存的基于机器学习的光网络监测与优化方法存在的问题及可能的进一步研究的方向.基于机器学习的光学性能监测包括光学损伤辨别、信道质量评估以及通道功率预测,基于机器学习的网络配置优化方法包括强化学习优化通道功率.进一步研究方向可以考虑加强与运营商的合作,使用真实的现场数据,不断获取数据动态训练模型,并使用迁移学习和数据增强等技术,以保证算法的鲁棒性与泛化能力.
Abstract：Inrecentyears,manynewmodulationandmultiplexingtechnologiesanddynamicnetworkconceptshavebeenproposedtoadapttotheever-increasingnetworkbandwidthandqualityrequirements.Networkcontrolplatformhasasystematicandintelli-gentdevelopmenttrend,whichrequiresnetworkmanagerstoconstantlymonitortheparametersofthenetworkandoptimizethenetworkstate.However,itisnotfeasibletoarrangeadditionalmonitoringequipmentinalargerangetoobtainparameterinforma-tionfromtheperspectiveofcostcontrol.Itisbettertouseknowndataandspecialalgorithmstomonitorandoptimizenetworkper-formance.Machinelearningmethodsareincreasinglyadoptedbytheacademiccommunitybecausetheyareaccurateandefficientenoughtoaccomplishthesetasks.Thispaperfirstreviewsthedifferentapplicationscenariosofmachinelearningalgorithmsinop-ticalnetworkmonitoringandoptimizationtasks.Thenitreviewstheresearchachievementsinthisfield,andputsforwardtheex-istingproblemsofmachinelearning-basedopticalnetworkmonitoringandoptimizationmethodsaswellasthepossibledirectionoffutureresearch.Theopticalperformancemonitoringbasedonmachinelearningincludesfailureidentification,qualityoftransmis-sionestimationandchannelpowerprediction.Thenetworkconfigurationoptimizationmethodbasedonmachinelearningincludesreinforcementlearningtooptimizechannelpower.Forfutureresearchdirection,webelievethatitispossibleforresearcherstouserealdatafromnetworkoperators,newlycollecteddatatodynamicallytrainthemodel,andtransferlearninganddataenhancementtechniquestoensuretherobustnessandgeneralizationabilityofthealgorithm.
作者：李鸿 刘武 罗鸣 Author：LIHong LIUWu LUOMin
作者单位：中国信息通信科技集团有限公司武汉邮电科学研究院有限公司,武汉430074中国信息通信科技集团有限公司光通信技术和网络全国重点实验室,武汉430074
刊名：光通信研究 ISTICPKU
Journal：StudyonOpticalCommunications
年，卷(期)：2024, (3)
分类号：TN929
关键词：机器学习 光学性能监测 光网络优化 神经网络 强化学习
Keywords：machinelearning opticalperformancemonitoring opticalnetworkoptimization neuralnetwork reinforcementlearning
机标分类号：TP391TN914.41TP181
在线出版日期：2024年6月6日
基金项目：国家重点研发计划基于机器学习的光网络监测与优化方法[
期刊论文] 光通信研究--2024, (3)李鸿 刘武 罗鸣近年来,许多新型调制和复用技术以及动态网络概念被提出,以适应不断提高的网络带宽和质量需求.网络控制平台向系统化、智能化趋势发展,要求网络管理者不断监测网络各项参数,时刻优化网络状态.然而,大范围部署额外的监测设...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于机器学习的光网络监测与优化方法 Optical Network Monitoring and Optimization Methods based on Machine Learning
基于机器学习的光网络监测与优化方法.pdf
- 文件大小:
- 4.22 MB
- 下载次数:
- 60
-
高速下载
|
|
