PulseAugur
中
实时 10:34:58

新技术增强光学网络中的AI泛化能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的表示学习技术，以提高机器学习模型在不同光网络域之间的泛化能力。该方法采用联合对比和分类学习方法，同时优化表示学习和任务目标，以创建稳定的潜在空间。在传输质量估计的灯路实验表明，该方法显著优于基线方法，并且只需少量微调即可快速适应。 AI

影响 这项研究可能带来更强大、更具适应性的光网络AI系统，减少在网络配置更改时进行大量重新训练的需求。

排序理由 该集群包含一篇发表在arXiv上的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新技术增强光学网络中的AI泛化能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ali Al Housseini, Carlos Natalino, Paolo Monti, Omran Ayoub ·

    通过联合对比和分类学习实现光网络中的跨域泛化

    arXiv:2607.20666v1 Announce Type: cross Abstract: The robustness of machine learning techniques across heterogeneous network domains remains an open challenge in optical networks. Models trained on data from a specific topology or operational configuration often exhibit degraded …

相关实体

相关话题