بهینه سازی با روش شبکه عصبی و یا یادگیری ماشین به روز

معادلات دیفرانسیل حاکم برتقویت کننده نوری رامان مشخص است. سیگنالهایی با طول موج و توان مشخص به این تقویت کننده وارد می شود و در طول مسیر فیبر نوری، افت می کند. با ارسال تعدادی پمپ به این تقویت کننده با توان بالاتر و در طول موجهایی مشخص ، سیگنال تضعیف شده مجددا تقویت میشود. پمپ ها در سه ترکیب وجود دارد1- رو به جلو( یعنی از ابتدای فیبر و در جهت سیگنالها ارسال میشود) 2- در خلاف جهت مسیر سیگنالها و از انتهای فیبر 3- بصورت ترکیبی. بعد از اینکه سیکنالها تقویت شدند بهره (توان سیگنال خروجی به ورودی بر حسب dB)محاسبه , میزان تغییرات بهره(ریپل بهره) محاسبه میشود . هر چه تغییرات بهره کمتر باشد مطلوب تر است. با استفاده از یک روش شبکه عصبی و یا یادگیری ماشین بروز،حالت بهینه برای کسب ریپل کمتر با پیشنهاد تعداد پمپ ها ، طول موج و توانشان، بدست می آید. ترجمه مقاله مشابه را در اختیار قرار می دهم. فقط میخواهم کار منعطف باشد یعنی تعداد پمپها و ترکیبات مختلف آن ، قابل تست باشد و نتایج با رسم نمودار مقایسه شود.مطالب پایه ای مربوط به روش شبکه عصبی و یایادگیری ماشین خاص با مرجع مرتبط نیز در اختیارم داده شود.