Estimação precisa da qualidade de transmissão com redes neurais profundas para sistemas ópticos densos

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMattos, Diogo Menezes Ferrazani-
Autor(es): dc.contributorhttp://lattes.cnpq.br/6177045546956476-
Autor(es): dc.contributorMoraes, Igor Monteiro-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1342924024681635-
Autor(es): dc.contributorBarbosa, Guilherme Nunes Nasseh-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8221386132354950-
Autor(es): dc.creatorGarcês, João Vitor Araujo-
Data de aceite: dc.date.accessioned2024-07-11T17:46:04Z-
Data de disponibilização: dc.date.available2024-07-11T17:46:04Z-
Data de envio: dc.date.issued2023-07-28-
Data de envio: dc.date.issued2023-07-28-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/29522-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/757081-
Descrição: dc.descriptionO advento de novas tecnologias e aplicações de Internet tem aumentado a necessidade de um transporte de dados de alta taxa de transmissão e confiável. Redes ópticas DWDM utilizam métricas de Qualidade de Transmissão (QoT), como a Relação Sinal-Ruı́do Generalizada (GSNR), para o aprovisionamento de canais. Esse parâmetro requer uma previsão analı́tica computacionalmente custosa. Assim, este trabalho propõe um modelo de redes neurais profundas para estimar a Relação Sinal-Ruı́do Generalizada com precisão e rapidez. O modelo é validado através de simulações, que por sua vez são validadas com dados de uma rede real em operação. Os resultados mostram um erro absoluto percentual menor que 0,54% entre a estimativa obtida pelo modelo proposto e o valor simulado.-
Descrição: dc.descriptionThe advent of new Internet technologies and applications has increased the need for high- speed and reliable data transport. DWDM optical networks use Transmission Quality (QoT) metrics, such as Generalized Signal-to-Noise Ratio (GSNR), for channel provisioning. This parameter requires computationally expensive analytical prediction. Thus, this article proposes a model of deep neural networks to estimate the Generalized Signal-to- Noise Ratio accurately and quickly. The model is validated through simulations, which in turn are validated with data from a real network in operation. The results show an absolute percentage error of less than 0.54% between the estimation obtained by the proposed model and the simulated value.-
Descrição: dc.description53 p.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectRedes neurais profundas-
Palavras-chave: dc.subjectpredição da GSNR-
Palavras-chave: dc.subjectredes ópticas-
Palavras-chave: dc.subjectOSNR-
Palavras-chave: dc.subjectRede neural-
Palavras-chave: dc.subjectSistema de transmissão de dados-
Palavras-chave: dc.subjectEngenharia de telecomunicação-
Palavras-chave: dc.subjectDeep Neural Network-
Palavras-chave: dc.subjectGSNR prediction-
Palavras-chave: dc.subjectoptical networks-
Título: dc.titleEstimação precisa da qualidade de transmissão com redes neurais profundas para sistemas ópticos densos-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.