用新型神经网络提升112G PON非线性均衡效率

Non-linear Equalization in 112 Gb/s PONs Using Kolmogorov-Arnold Networks

• 采用柯尔莫哥洛夫-阿诺德网络进行非线性均衡
• 在低计算开销下超越线性均衡器和卷积网络
• 适合高速光通信系统优化，对算法轻量化有要求

我们研究了柯尔莫哥洛夫-阿诺德网络（KANs）在112 Gb/s PAM4无源光网络（PON）中的非线性均衡应用。通过剪枝和大规模超参数搜索，该方法在保持低计算复杂度的前提下，性能优于线性均衡器和卷积神经网络。

原文摘要 · Abstract (English)

We investigate Kolmogorov-Arnold networks (KANs) for non-linear equalization of 112 Gb/s PAM4 passive optical networks (PONs). Using pruning and extensive hyperparameter search, we outperform linear equalizers and convolutional neural networks at low computational complexity.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。