典型文献
迁移学习辅助基于机器学习的传输质量评估
文献摘要：
当光纤链路的数据分布发生变化时,机器学习评估链路传输质量需要重新搜集数据并重新训练,这个过程是耗时的、复杂的.迁移学习直接将以前学到的知识应用到现在的任务,需要更少的数据.因此,文章提出在具有相关性的光通信系统中,使用两种迁移学习方式辅助基于机器学习的多分类器,仿真结果表明,迁移学习结合微调技术的机器学习多分类器比直接迁移的机器学习多分类器多分类指标分数提高0.25以上,减少了样本不均衡的影响,每个类别都具有高性能,证实迁移学习结合微调技术的机器学习多分类器能够减小数据集,降低了搜集数据集的成本,提高了光纤链路传输质量评估问题的效率.
文献关键词：
光纤链路;传输质量;机器学习;迁移学习
中图分类号：
作者姓名：
王家馨
作者机构：
南京邮电大学 电子与光学工程学院、柔性电子(未来技术)学院,南京 210023
文献出处：
引用格式：
[1]王家馨-.迁移学习辅助基于机器学习的传输质量评估)[J].光通信研究,2022(06):45-49
A类：
B类：
迁移学习,基于机器学习,传输质量,质量评估,光纤链路,数据分布,学习评估,新训,学到,知识应用,光通信系统,学习方式,多分类器,微调技术,分类指标,样本不均衡,小数据
AB值：
0.24266
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
