Predicting failures in fiber optic information transmission systems with support of machine learning

• Juraeva, Nafisa ^[1] ; Davronbekov, Dilmurod ^[1] ; Turdiev, Ulugbek ^[2]
  1. [1] Wyższa Szkoła Technologii Informatycznych w Warszawie

     Wyższa Szkoła Technologii Informatycznych w Warszawie

     Warszawa, Polonia

     
  2. [2] University of Information Technologies and Management
• Localización: Revista científica de sistemas e informática, ISSN-e 2709-992X, Vol. 5, Nº. 2, 2025 (Ejemplar dedicado a: Revista Científica de Sistemas e Informática; e955)
• Idioma: inglés
• Títulos paralelos:
  • Predicción de fallos en sistemas de transmisión de información por fibra óptica con apoyo de aprendizaje automático
• Enlaces
  • Texto completo
• Resumen
  • español

    Se considera el uso de métodos de aprendizaje automático en sistemas de transmisión de información por fibra óptica (FOITS). El artículo analiza los principios básicos de funcionamiento de los sistemas de fibra óptica y los problemas que enfrentan, como el ruido, los efectos no lineales y la degradación de la información transmitida. Describe diversas técnicas de aprendizaje automático utilizadas en FOITS para controlar y supervisar el rendimiento, prevenir decisiones inteligentes y suprimir el ruido no lineal en la fibra óptica. Se presentan enfoques utilizados en aprendizaje automático, como redes neuronales, algoritmos de clasificación y regresión, y su aplicación en el análisis y la optimización de FOITS. Este artículo propone un método para supervisar el rendimiento y predecir fallos en redes ópticas basado en aprendizaje automático. Los resultados obtenidos permiten extraer conclusiones sobre los métodos más eficaces para predecir fallos, lo cual es de gran importancia práctica para garantizar la fiabilidad de las redes de comunicación y minimizar el tiempo de inactividad.

  • English

    The use of machine learning methods in fiber-optic information transmission systems (FOITS) is considered. The article discusses the basic operating principles of fiber optic systems and the problems they face, such as noise, nonlinear effects, and degradation of transmitted information. Describes various machine learning techniques used in FOITS to control and monitor performance, prevent intelligent decisions, and suppress nonlinear fiber optic noise. Approaches used in machine learning are presented, such as neural networks, classification and regression algorithms, their application in the analysis and optimization of FOITS, such as neural networks, support vector machines, classification and regression algorithms, their application in the analysis and optimization of fiber optic systems. This paper proposes a method for monitoring performance and predicting failures in optical networks based on machine learning. The results obtained allow us to draw conclusions about the most effective methods for predicting failures, which is of great practical importance for ensuring the reliability of communication networks and minimizing downtime.