Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Mattos, Diogo Menezes Ferrazani | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6177045546956476 | - |
Autor(es): dc.contributor | Moraes, Igor Monteiro | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1342924024681635 | - |
Autor(es): dc.contributor | Barbosa, Guilherme Nunes Nasseh | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/8221386132354950 | - |
Autor(es): dc.creator | Garcês, João Vitor Araujo | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:46:04Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:46:04Z | - |
Data de envio: dc.date.issued | 2023-07-28 | - |
Data de envio: dc.date.issued | 2023-07-28 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/29522 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/757081 | - |
Descrição: dc.description | O 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.description | The 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.description | 53 p. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Redes neurais profundas | - |
Palavras-chave: dc.subject | predição da GSNR | - |
Palavras-chave: dc.subject | redes ópticas | - |
Palavras-chave: dc.subject | OSNR | - |
Palavras-chave: dc.subject | Rede neural | - |
Palavras-chave: dc.subject | Sistema de transmissão de dados | - |
Palavras-chave: dc.subject | Engenharia de telecomunicação | - |
Palavras-chave: dc.subject | Deep Neural Network | - |
Palavras-chave: dc.subject | GSNR prediction | - |
Palavras-chave: dc.subject | optical networks | - |
Título: dc.title | Estimação precisa da qualidade de transmissão com redes neurais profundas para sistemas ópticos densos | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: