Diseño inverso de una rejilla de fibra óptica de bragg uniforme mediante redes neuronales
Para citar o enlazar este item, por favor use el siguiente identificador:
http://dspace.ups.edu.ec/handle/123456789/23259
Título : | Diseño inverso de una rejilla de fibra óptica de bragg uniforme mediante redes neuronales |
Autor : | Yumisaca Moreno, Víctor Alejandro |
Director de Tesis: | Tipán Simbaña, Milton Napoleón |
Resumen traducido: | The design of photonic devices is challenging due to it is mathematical complexity, even more so when inverse designs are desired. This article proposes the inverse design of a uniform FBG with low computational load by training a Feed Forward neural network through their spectrums and predict their length and modulation index. The results show that with a single hidden layer of 80 neurons, a set of 1000 spectrums and the Fletcher-Powell Conjugate Gradient training function, it is able to correctly predict up to 99.5% of the samples. |
Resumen : | El diseño de dispositivos fotónicos es un reto debido a su complejidad matemática, más aún cuando se desea realizar diseños inversos. En este artículo se propone el diseño inverso de una FBG uniforme con baja carga computacional mediante el entrenamiento de una red neuronal Feed Forward a través de sus espectros y predecir su longitud e índice de modulación. Los resultados muestran que con una sola capa oculta de 80 neuronas, un conjunto de 1000 espectros y la función de entrenamiento Fletcher-Powell Conjugate Gradient se consigue predecir correctamente hasta el 99.5% de las muestras. |
Palabras clave : | TELECOMUNICACIONES DISEÑO EN INGENIERÍA FOTÓNICA OPTOELECTRÓNICA FIBRA ÓPTICA REDES NEURONALES |
Fecha de publicación : | sep-2022 |
URI : | http://dspace.ups.edu.ec/handle/123456789/23259 |
Idioma: | spa |
Pertenece a las colecciones: | Grado |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
UPS - TTS910.pdf | Texto completo | 1 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons