<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>光纤放大器 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E5%85%89%E7%BA%A4%E6%94%BE%E5%A4%A7%E5%99%A8/</link>
    <description>Recent content in 光纤放大器 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Mon, 08 Sep 2025 09:08:17 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E5%85%89%E7%BA%A4%E6%94%BE%E5%A4%A7%E5%99%A8/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>基于少样本迁移学习的EDFA增益谱建模架构</title>
      <link>https://blog.qife122.com/p/%E5%9F%BA%E4%BA%8E%E5%B0%91%E6%A0%B7%E6%9C%AC%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0%E7%9A%84edfa%E5%A2%9E%E7%9B%8A%E8%B0%B1%E5%BB%BA%E6%A8%A1%E6%9E%B6%E6%9E%84/</link>
      <pubDate>Mon, 08 Sep 2025 09:08:17 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E5%9F%BA%E4%BA%8E%E5%B0%91%E6%A0%B7%E6%9C%AC%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0%E7%9A%84edfa%E5%A2%9E%E7%9B%8A%E8%B0%B1%E5%BB%BA%E6%A8%A1%E6%9E%B6%E6%9E%84/</guid>
      <description>&lt;h1 id=&#34;广义少样本迁移学习架构在edfa增益谱建模中的应用&#34;&gt;广义少样本迁移学习架构在EDFA增益谱建模中的应用&lt;/h1&gt;&#xA;&lt;p&gt;准确建模掺铒光纤放大器（EDFA）的增益谱对于优化光网络性能至关重要，特别是在网络向多厂商解决方案演进的背景下。本研究提出了一种基于半监督自归一化神经网络（SS-NN）的广义少样本迁移学习架构，该架构利用EDFA内部特征（如VOA输入/输出功率和衰减）来改进增益谱预测。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
