基于卷积神经网络的光通信网络端口资源整治方法,该文是神经网络有关论文范文素材和卷积神经网络和光通信和端口有关论文如何写.
神经网络论文参考文献：
陈晓冰 黄楚发 中国移动汕头分公司
【摘 要】 本文针对光通信网络的无源分光器无法自动获取端口资源的情况,通过在分光片的光纤上加装卡扣数字粒,采用卷积神经网络自动识别实际使用端口,实现端口资源的实时整治.
【关键词】 光纤通信 卷积神经网络 深度学习
光通信网络是运营商发展宽带业务的重要载体,由于经常出现端口实际资源与系统数据不一致而制约了业务的发展.本文基于卷积神经网络,提出了一种端口资源整治的方法.
一、识别光纤使用端口
由于光纤通信的分光器是无源的,无法自动获取光纤的实际使用端口,本文通过对光纤加装卡扣数字粒,自动识别实际使用端口,关键步骤如下：
（1）目标定位：通过采用基于卷积神经网络的 SSD 目标检测算法对光纤数字粒进行目标定位,使数字粒与复杂背景相分离,便于提高识别精度；
（2）信息检测：由于光纤数字粒是由人工安装和拍照上传的,会出现角度不统一、光线明暗不同等情况.通过采用 YOLO 算法进行信息检测,YOLO 是可一次性预测多个类别的卷积神经网络,流程如下：
A、样本增强：通过对图像进行旋转、变形、扭曲等仿射变换,实现样本的增强扩展；
B、模型训练：将增强的样本数据输入到 YOLO 模型进行训练；
C、 信息检测 ： 输入光纤数字粒图像到模型进行信息检测 ；
D、角度纠偏：按照先上下、后左右的规则,将检测结果投影到图像的 x 轴、y 轴,进行角度纠偏.
（3）信息识别：将光纤数字粒的 10 个数字符号,构建卷积神经网络模型进行识别.
通过对图像数据集采用随机采样方法,按 8:2 分成训练集、测试集,经以上步骤后的准确率达 93.4%,识别效果如下图：
二、端口资源整治流程
通过拍照上传光纤数字粒图片, 自动识别实际使用端口,与后台数据进行差异校验,实现端口资源的实时整治,流程如下图：
主要步骤说明：
步骤 1：线务员登录“装维助手”；
步骤 2：输入宽带*,获取*、地址、OBD 等信息；
步骤 3：扫描分光器上光纤的二维码,获取分光器信息；
步骤 4：对光纤数字粒拍照上传,自动识别出实际使用端口；
步骤 5：根据识别结果与步骤 2、3 获取的信息进行差异比较；
步骤 6：若比较结果不一致,则提示不通过,现场进行纠正；
步骤 7：若比较结果一致,则把步骤 2、3、4 的所有结果传回后台进行分光器全量端口校验；
步骤 8：若全量端口校验存在差异,则生成核查单进行处理；
步骤 9：若校验结果与实际相符,则流程结束.
经以上步骤,能在装维现场就发现端口资源差异并及时进行整治,确保端口数据的准确性.
三、结论
本文针对光通信网络无源分光器的端口资源不准问题,提出了一种基于卷积神经网络的自动识别端口信息和资源实时整治的方法,在运营商拓展宽带业务中具有较高的应用价值.
上文结束语：这篇文章为一篇关于卷积神经网络和光通信和端口方面的神经网络论文题目、论文提纲、神经网络论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文.
神经网络在计算机网络安全评价中的应用
摘 要 计算机网络技术的大量普及,方便了我们的日常生活,并且提高了办公速度,但是广泛应用计算机网络的同时,计算机病毒、……危险因素的存在对计算机网络完全产生一定威胁 而在计算机网络安全评价中应用神经网.
基于遗传算法优化和BP神经网络的中长期负荷联合预测
摘 要 传统的BP 神经网络负荷预测存在学习速度慢、局部极小……缺陷,已无法满足现代电力负荷预测的精度要求 基于此,本文首先在分析了BP 神经网络的预测原理和不足的基础上,阐述了遗传算法的原理及优化步.
基于3s的人工神经网络模型在地质灾害危险性评价中的应用
宋雨濛（成都理工大学地球物理学院 四川 成都 610059）摘 要文章通过3s 技术手段和人工神经网络模型对卧龙大熊猫自然保护区进行了地质灾害危险性评价 包括通过遥感技术获取研究区域的遥感图像,并对图.
基于SPSS和BP神经网络的林产品物流运输需求预测对比
摘要采用SPSS及Matlab软件分别建立多元线性回归模型和BP神经网络预测模型,通过HN省林产品物流运输需求量的算例,对比多元线性回归和BP神经网络预测模型的预测能力得出相应结论 关键词多元线性回归.