基于机器学习利用光谱进行软故障管理的实验研究
网络与互联网体系结构
2023-12-15 v1 机器学习
摘要
对高速数据的需求呈指数级增长。为应对这一挑战，光网络经历了重大变革，变得更加复杂和多功能。日益增加的复杂性要求故障管理更具自适应性，以增强网络保障。在本文中，我们实验比较了不同机器学习算法在软故障管理中的性能。我们进一步引入了一个基于机器学习的软故障管理框架。该框架利用基于变分自编码器的生成对抗网络，处理由光谱仪获取的光谱数据。该框架能够在仅使用一小部分可用训练数据的情况下可靠运行，并能识别未知故障类型。研究表明，在识别任务中仅提供不超过 10% 的总训练数据时，VAE-GAN 的表现优于其他机器学习算法。此外，GAN 的高级训练机制在未知光谱识别中展现出较高的 F1-score。故障定位比较表明，低复杂度神经网络与 VAE 的结合优于现有的机器学习算法。
引用
@article{arxiv.2312.07208,
title = {Experimental Investigation of Machine Learning based Soft-Failure Management using the Optical Spectrum},
author = {Lars E. Kruse and Sebastian Kühl and Annika Dochhan and Stephan Pachnicke},
journal= {arXiv preprint arXiv:2312.07208},
year = {2023}
}