光路传输质量智能预测技术

针对传统基于数理模型的光路传输质量(QoT)预测方法难以同时满足高精度和低计算复杂度需求的问题,介绍了单光路、多光路、跨拓扑光路3种光路QoT智能预测技术。这些技术依托于机器学习模型,力求实现端到端光路QoT的精确预测,并可有效应对以下挑战:其一,面对物理层参数的多样性,如何选择适合的机器学习模型和输入特征;其二,如何有效捕捉光路间错综复杂的关系;其三,如何在少样本情况下实现网络模型的训练和持续优化。最后,对未来的光路QoT预测技术发展方向进行了展望。

WSN中层次型拓扑控制与网络资源配置联合设计方法

综合考虑异构无线传感器网络中节点速率分配、簇的划分规则和链路层网络频带资源占用情况,提出一种基于拓扑控制与资源优化分配的层次型路由算法.在网络层,该算法根据成员节点和簇首节点的速率分配机制建立节点流量平衡模型.在链路层,分析无线传感器网络频谱共享行为,研究邻近用户间访问冲突的规避抑制模型,重构网络频带资源.通过引入带宽比例因子ρ将可用频带划分成若干子带,提高网络频带资源的利用效率.本文基于跨层联合设计思路,建立一个混合整数非线性规划问题,对异构无线传感器网络中拓扑控制和网络资源分配问题联合设计,得到最优的分簇结果和资源分配方案.最后,在设定网络拓扑中评估性能,仿真结果证实该算法在网络频带资源充分利用的同时,可实现最优的簇首匹配和路由建立结果.

数据与模型协同驱动的智能光网络架构与关键技术

网络的规模升级和超大连接、超高带宽、超低时延应用的不断深化,对光传输网络资源利用和网络差异化服务提出了更高要求,使得传统模型驱动下的网络形态和配置方式面临挑战。基于数据与模型协同驱动思想,提出“3层3循环”架构及其“3可功能”特征的智能光网络技术方案,并对智能化实现技术展开研究,通过开发设计的智能传输网络平台对所提算法的性能进行测试,经验证,数据与模型协同驱动的智能光网络传输性能得到有效提升,为实现网络智能化提供了理论技术支撑。

5G时代光与无线融合接入网及其关键技术研究进展

随着第五代移动通信技术的演进升级,移动网络将支持更为庞大的移动用户群及更为多样的业务场景,大幅提升互联网业务体验,全面支持物联网感知应用。从无线接入网发展趋势入手,分别对其架构演进及关键技术,包括无线接入技术、光承载技术、前/中传接口技术、控制管理技术、网络切片技术等进行了详细分析,并指出无线接入网络在向5G时代发展中面临的重要挑战。

“人工智能+X”教学模式下智能信息网络课程建设

随着人工智能技术的发展,新工科教育背景下"人工智能+X"教学模式为推动高校建立与科技创新、产业发展相适应的人才培养体系发挥着重要作用。本文以智能信息网络课程为例,探讨了"人工智能+信息网络"课程建设与优化。针对"人工智能+"交叉类课程学科知识交叉融合性差和工程实践性弱的问题,从教学理念、教学内容、教学模式和评测方法出发,提出"四个二"课程优化思路:基于学科交叉融合和产教融合两个融合理念,追踪科学研究进展和产业需求两个导向,采用混合式教学模式和案例式教学模式相结合,以学生学习效果和理论与实践相结合为两个中心,旨在提升学生的自主学习能力和综合素质能力。