Máquinas de aprendizaje y aplicaciones

Abstract

[spa] Este trabajo estudia la aplicación de distintas técnicas de Machine learning en la mejora del procesamiento de señales ópticas de alta velocidad. Dichas señales temporales llegan distorsionadas al receptor de manera no lineal. Se hará especial mención a la técnica de reservoir computing, en la que se introducirán recurrencias dentro de la propia red, dotando así al sistema de memoria. Los resultados de este trabajo de fin de grado prueban que es posible reducir en dos órdenes de magnitud el bit-error-rate utilizando estas técnicas en comparación a métodos más rudimentarios de clasificación. En primer lugar se introduce la importancia de las señales ópticas en telecomunicaciones y las principales técnicas utilizadas para corregir las distorsiones que sufre la señal durante su transmisión. Posteriormente se procederá a analizar de manera práctica estos métodos, poniendo de manifiesto sus ventajas y desventajas desde el punto de vista de los sistemas dinámicos. A lo largo del trabajo se compararán los resultados obtenidos numéricamente para un tipo concreto de señal de comunicaciones ópticas conocida con los obtenidos experimentalmente (en hardware) por el Dr. Apostolos Argyris, el Dr. Ingo Fisher y Julián Bueno [1]. Además de la supervisión del Dr. Claudio Mirasso, la obtención y análisis de los resultados presentados en este trabajo ha sido supervisada de manera continua bajo la agradecida colaboración del Dr. Miguel Cornelles Soriano.