实体
Optical Networks
Optical Networks
PulseAugur coverage of Optical Networks — every cluster mentioning Optical Networks across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 5 条
-
AI 辅助运营提升光网络性能
一种新的方法利用 AI 辅助运营来提高光网络的效率和性能。该方法旨在优化网络管理并可能提高数据传输能力。
-
新的XAI方法验证光网络中的机器学习决策
研究人员开发了一种名为基于解释的运行时验证的新方法，以增强光网络中使用的机器学习模型的可靠性。该方法利用可解释人工智能（XAI）技术来分析机器学习预测在被实施到网络控制循环之前的推理过程。通过评估这些解释的一致性和物理一致性，系统可以识别并拒绝不确定或错误的决策，从而提高网络稳定性和服务质量。
-
新的 ReAct 循环通过领域特定工具增强光网络的自主性
研究人员引入了一种新颖的、符合 T-API 的 ReAct 循环，专为光网络的意图驱动的闭环代理管理而设计。该系统旨在增强网络运营的自主性。研究表明，与通用工具相比，使用领域特定的复合工具可将 oracle 验证的正确率提高 90%，并将 token 使用量减少三分之一。
-
孪生网络在光网络异常检测中达到99%的准确率
研究人员开发了一种新颖的用于光网络的孪生神经网络。该框架能够实现零日异常检测和单次学习分类，这意味着它可以在没有预先训练的情况下识别和分类新型异常。该系统展示了超过99%的准确率，并能即时适应不同的光路和以前未见的异常类型。
-
光网络框架实现更快的分布式机器学习通信
研究人员开发了一个名为 SWOT 的新框架，用于改进光网络中分布式机器学习的集体通信。SWOT 通过实现集体内部重构来解决静态拓扑和频繁重构的限制。这种方法将网络资源对齐与数据传输重叠，显著缩短了通信完成时间。