JP7616434B2 - 訓練装置、制御方法、及びプログラム - Google Patents
訓練装置、制御方法、及びプログラム Download PDFInfo
- Publication number
- JP7616434B2 JP7616434B2 JP2023571339A JP2023571339A JP7616434B2 JP 7616434 B2 JP7616434 B2 JP 7616434B2 JP 2023571339 A JP2023571339 A JP 2023571339A JP 2023571339 A JP2023571339 A JP 2023571339A JP 7616434 B2 JP7616434 B2 JP 7616434B2
- Authority
- JP
- Japan
- Prior art keywords
- symbol sequence
- training
- data
- generator
- transmission symbol
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/50—Transmitters
- H04B10/58—Compensation for non-linear transmitter output
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/60—Receivers
- H04B10/61—Coherent receivers
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Nonlinear Science (AREA)
- Optical Communication System (AREA)
Description
本開示は、全体として、光通信システムにおける信号処理に関する。
光通信システムでは、光ファイバ媒体を介して送信機から受信機へメッセージを伝送する。送信機では、ディジタル信号を光信号に変換する。このプロセスは理想的ではないので、意図しない歪みが光信号に導入される。
光信号に含まれる歪みは、受信機において、メッセージの誤った変換を引き起こす可能性がある。したがって、この歪みを緩和する方法が必要である。例えば、非特許文献１は、ニューラルネットワークを使用して、プレ補償器のキャリブレーションを実行する技術を開示している。
G. Paryanti、H. Faig、L. Rokach 及び D. Sadot、「A Direct Learning Approach for Neural Network Based Pre-Distortion for Coherent Nonlinear Optical Transmitter」、IEEE, Journal of Lightwave Technology、vol. 38、no. 15、pp. 3883-3896、２０２０年８月１日
本開示の発明者は、送信機が光信号にもたらす歪みの補償の精度を向上させる余地があると考えた。本開示の目的は、送信機が光信号にもたらす歪みの補償の精度を向上させる技術を提供することである。
本開示の訓練装置は、少なくとも一つのプロセッサと、命令を格納する記憶要素を含む。前記少なくとも一つのプロセッサは、前記命令を実行することにより、送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得し、前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得し、前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成し、前記訓練データセットを用いて生成器と識別器のセットの訓練を実行し、前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力する。
本開示の制御方法は、コンピュータによって実行される。当該制御方法は、送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得し、前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得し、前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成し、前記訓練データセットを用いて生成器と識別器のセットの訓練を実行し、前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力することを含む。
本開示のコンピュータ可読媒体は、送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得し、前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得し、前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成し、前記訓練データセットを用いて生成器と識別器のセットの訓練を実行し、前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力することをコンピュータに実行させるプログラムを格納する。
本開示によれば、送信機が光信号にもたらす歪みの補償の精度を向上させる技術が提供される。
以下、本開示に係る実施形態の一例を図面を参照して説明する。なお、図中の同一の要素には同一の符号を付し、必要に応じて冗長な説明を省略している。
実施形態１
＜概要＞
図１は、実施形態１の訓練装置によってパラメータ情報が生成される対象である、光通信システムを示す図である。光通信システム１００は、送信機１１０と、受信機１２０と、光ファイバ１３０とを備える。送信機１１０は、送信シンボル列を取得し、送信シンボル列を光送信信号に変換し、光ファイバ１３０を介して受信機１２０に光送信信号を送信する光送信部１１２を備える。光送信部１１２は、マッハツェンダ変調器、駆動増幅装置、その他の信号処理・変換装置を構成することができる。
＜概要＞
図１は、実施形態１の訓練装置によってパラメータ情報が生成される対象である、光通信システムを示す図である。光通信システム１００は、送信機１１０と、受信機１２０と、光ファイバ１３０とを備える。送信機１１０は、送信シンボル列を取得し、送信シンボル列を光送信信号に変換し、光ファイバ１３０を介して受信機１２０に光送信信号を送信する光送信部１１２を備える。光送信部１１２は、マッハツェンダ変調器、駆動増幅装置、その他の信号処理・変換装置を構成することができる。
送信シンボル列は、シンボルの時系列を表すデジタル信号である。送信シンボル列は、受信機１２０に送信されるデータを符号化した結果として得られる。光通信システム１００が単一偏波の単一チャネル光通信システムである場合、各シンボルは、同相成分と直交位相成分とを含む。したがって、この場合、送信シンボル列は、各時点の同相成分と直交位相成分とのセットを含む。
受信機１２０は、光ファイバ１３０から光受信信号を受信し、光受信信号を受信シンボル列に変換する光受信部１２２を含む。受信シンボル列は、送信機１１０によって送信されるデータが表されるシンボルの時系列を表すデジタル信号である。
光通信システム１００は、上記の構成要素に加えて、光送信部１１２が光送信信号に導入する歪みを補償する歪み補償器１４０を備える。歪み補償器１４０は、送信機１１０又は受信機１２０に含まれていてもよい。前者の場合、歪み補償器１４０は、光送信部１１２の前に配置され、プレ補償器として動作する。プレ補償器は、送信シンボル系列を取得し、送信シンボル系列にプリディストーションを付与し、光送信部１１２に渡す。
後者の場合、歪み補償器１４０は、光受信部１２２の後に配置され、ポスト補償器として動作する。ポスト補償器は、光受信部１２２から受信シンボル列を取得し、受信シンボル列にポストディストーションを適用する。
図２は、実施形態１の訓練装置２０００の概要を示す図である。なお、図２によって示される概要は、訓練装置２０００を理解しやすいように訓練装置２０００の動作例を示したものであり、訓練装置２０００の動作範囲を限定したり狭めたりするものではない。
歪み補償器１４０のキャリブレーションのために（言い換えると、歪み補償器１４０によるプレディストーション又はポストディストーションの実行に利用される、歪み補償器１４０の適切なパラメータを生成するために）、訓練装置２０００は、モデルセット４００と呼ばれる機械学習ベースのモデルのセットを使用する。モデルセット４００は、生成器２００及び識別器３００を含み、GAN（Generative Adversarial Networks）を構成しうる。
訓練装置２０００は、入力データ１２及びグラウンドトゥルースデータ１４が含まれる訓練データセット１０を用いて、モデルセット４００の訓練を行う。訓練データセット１０は、入力データ１２のグラウンドトゥルースデータ１４への変換が、光送信信号の歪み補償と実質的に等価であるように生成される。そのために、訓練データセット１０は、第１送信シンボル列と第２送信シンボル列のセットを使用して生成される。第１送信シンボル列は、光送信部１１２に入力されるシンボル列である。一方、第２送信シンボル列は、第１送信シンボル列が光送信部１１２に入力されたことに応じて光送信部１１２から出力された光送信信号を、復調することによって得られるシンボル列である。この光送信信号の復調は、訓練データセット１０を生成するために設けられた中間光受信部５０によって行われうる。
訓練装置２０００は、モデルセット４００に対して GAN 型の訓練を行う。具体的には、生成器２００は、入力データ１２を取得するように構成され、グラウンドトゥルースデータ１４と十分に類似するデータを生成できるように訓練される。一方、識別器３００は、グラウンドトゥルースデータ１４又は生成器２００によって生成されたデータを取得するように構成され、これらのデータを区別できるように訓練される。訓練データセット１０は、入力データ１２からグラウンドトゥルースデータ１４への変換が、光送信信号の歪み補償と実質的に等価であるように生成されるので、上記の訓練により、生成器２００は、光送信信号の歪み補償（すなわち、送信シンボル列のプリディストーション又は受信シンボル列のポストディストーション）を行うことができる。
モデルセット４００の訓練が終了すると、訓練装置２０００は、少なくとも生成器２００の訓練可能なパラメータを含むパラメータ情報２０を出力する。歪み補償器１４０は、生成器２００の訓練可能なパラメータで構成することができる。これにより、歪み補償器１４０は、光送信部１１２によって光送信信号に導入される歪みを補償することができるようになる。
＜作用効果の例＞
訓練装置２０００によれば、訓練データセット１０を用いて GAN を構成する生成器２００と識別器３００とのペアを訓練して、歪み補償器１４０のパラメータを決定する。具体的には、生成器２００は、入力データ１２を取得するように構成され、グラウンドトゥルースデータ１４と十分に類似したデータを生成できるように訓練される。一方、識別器３００は、グラウンドトゥルースデータ１４又は生成器２００によって生成されたデータを取得するように構成され、これらのデータを区別できるように訓練される。この GAN 型の訓練によって歪み補償器１４０のパラメータを決定することにより、歪み補償器１４０は、光送信部１１２によって光送信信号に導入された歪みを正確に補償することができる。
訓練装置２０００によれば、訓練データセット１０を用いて GAN を構成する生成器２００と識別器３００とのペアを訓練して、歪み補償器１４０のパラメータを決定する。具体的には、生成器２００は、入力データ１２を取得するように構成され、グラウンドトゥルースデータ１４と十分に類似したデータを生成できるように訓練される。一方、識別器３００は、グラウンドトゥルースデータ１４又は生成器２００によって生成されたデータを取得するように構成され、これらのデータを区別できるように訓練される。この GAN 型の訓練によって歪み補償器１４０のパラメータを決定することにより、歪み補償器１４０は、光送信部１１２によって光送信信号に導入された歪みを正確に補償することができる。
以下、訓練装置２０００についてより詳細な説明が記述される。
＜機能構成の例＞
図３は、訓練装置２０００の機能構成を例示する。訓練装置２０００は、取得部２０２０、生成部２０４０、訓練実行部２０６０、及び出力部２０８０を備える。取得部２０２０は、第１送信シンボル列及び第２送信シンボル列のセットを複数取得する。生成部２０４０は、第１送信シンボル列及び第２送信シンボル列の各セットについて、訓練データセット１０を生成する。訓練実行部２０６０は、訓練データセット１０を用いてモデルセット４００の訓練を実行する。出力部２０８０は、パラメータ情報２０を出力する。
図３は、訓練装置２０００の機能構成を例示する。訓練装置２０００は、取得部２０２０、生成部２０４０、訓練実行部２０６０、及び出力部２０８０を備える。取得部２０２０は、第１送信シンボル列及び第２送信シンボル列のセットを複数取得する。生成部２０４０は、第１送信シンボル列及び第２送信シンボル列の各セットについて、訓練データセット１０を生成する。訓練実行部２０６０は、訓練データセット１０を用いてモデルセット４００の訓練を実行する。出力部２０８０は、パラメータ情報２０を出力する。
＜ハードウエア構成の例＞
訓練装置２０００は、１つ以上のコンピュータで実現されうる。それら１つ以上のコンピュータのそれぞれは、訓練装置２０００を実現するために作成された専用のコンピュータであってもよいし、パーソナルコンピュータ（PC: Personal Computer）、サーバマシン又はモバイルデバイスなどの汎用のコンピュータであってもよい。
訓練装置２０００は、１つ以上のコンピュータで実現されうる。それら１つ以上のコンピュータのそれぞれは、訓練装置２０００を実現するために作成された専用のコンピュータであってもよいし、パーソナルコンピュータ（PC: Personal Computer）、サーバマシン又はモバイルデバイスなどの汎用のコンピュータであってもよい。
訓練装置２０００は、コンピュータにアプリケーションをインストールすることで実現されうる。そのアプリケーションは、コンピュータを訓練装置２０００として機能させるプログラムで実現される。言い換えれば、そのプログラムは、訓練装置２０００の機能構成部を実装したものである。
図４は、訓練装置２０００を実現するコンピュータ１０００のハードウエア構成の例を示すブロック図である。図４において、コンピュータ１０００は、バス１０２０、プロセッサ１０４０、メモリ１０６０、ストレージデバイス１０８０、入出力インタフェース１１００、及びネットワークインタフェース１１２０を有する。
バス１０２０は、プロセッサ１０４０、メモリ１０６０、ストレージデバイス１０８０、入出力インタフェース１１００、及びネットワークインタフェース１１２０が相互にデータの送信及び受信をするためのデータ通信路である。プロセッサ１０４０は、CPU（Central Processing Unit）、GPU（Graphics Processing Unit）、又は FPGA（Field-Programmable Gate Array）などといったプロセッサである。メモリ１０６０は、RAM（Random Access Memory）又は ROM（Read Only Memory）などの主記憶要素である。ストレージデバイス１０８０は、ハードディスク、SSD（Solid State Drive）、又はメモリカードなどの補助記憶要素である。入出力インタフェース１１００は、コンピュータ１０００と周辺デバイス（キーボード、マウス、又はディスプレイデバイスなど）との間のインタフェースである。ネットワークインタフェース１１２０は、コンピュータ１０００とネットワークとの間のインタフェースである。ネットワークは、LAN（Local Area Network）でもよいし、WAN（Wide Area Network）でもよい。
ストレージデバイス１０８０は、前述したプログラムを格納しうる。プロセッサ１０４０は、訓練装置２０００の各機能構成部を実現するためにそのプログラムを実行する。
コンピュータ１０００は、図４に示される構成に限定されない。例えば、前述したように、訓練装置２０００は複数のコンピュータで実現されうる。この場合、それらのコンピュータは、ネットワークを介して互いに接続されうる。
＜処理の流れ＞
図５は、訓練装置２０００によって実行されるの処理の一例を示すフローチャートである。取得部２０２０は、第１送信シンボル列及び第２送信シンボル列のセットを複数取得する（Ｓ１０２）。生成部２０４０は、第１送信シンボル列及び第２送信シンボル列の各セットについて訓練データセットを生成する（Ｓ１０４）。訓練実行部２０６０は、モデルセット４００の訓練を実行する（Ｓ１０６）。出力部２０８０は、パラメータ情報２０を出力する（Ｓ１０８）。
図５は、訓練装置２０００によって実行されるの処理の一例を示すフローチャートである。取得部２０２０は、第１送信シンボル列及び第２送信シンボル列のセットを複数取得する（Ｓ１０２）。生成部２０４０は、第１送信シンボル列及び第２送信シンボル列の各セットについて訓練データセットを生成する（Ｓ１０４）。訓練実行部２０６０は、モデルセット４００の訓練を実行する（Ｓ１０６）。出力部２０８０は、パラメータ情報２０を出力する（Ｓ１０８）。
＜第１送信シンボル列及び第２送信シンボル列の取得：Ｓ１０２＞
取得部２０２０は、第１送信シンボル列及び第２送信シンボル列のセットを複数取得する。第１送信シンボル列は、光送信部１１２に入力可能な任意のデジタル信号でありうる。第２送信シンボル列は、１）第１送信シンボル列を光送信部１１２に入力し、２）光送信部１１２から出力された光送信信号をデジタル信号に変換することによって得られうる。この変換によって得られたデジタル信号を第２送信シンボル列として使用することができる。図２に示すように、光送信信号の第２送信シンボル列への変換は、中間光受信部５０によって行われうる。
取得部２０２０は、第１送信シンボル列及び第２送信シンボル列のセットを複数取得する。第１送信シンボル列は、光送信部１１２に入力可能な任意のデジタル信号でありうる。第２送信シンボル列は、１）第１送信シンボル列を光送信部１１２に入力し、２）光送信部１１２から出力された光送信信号をデジタル信号に変換することによって得られうる。この変換によって得られたデジタル信号を第２送信シンボル列として使用することができる。図２に示すように、光送信信号の第２送信シンボル列への変換は、中間光受信部５０によって行われうる。
第１送信シンボル列と第２送信シンボル列の複数のセットは、予め、訓練装置２０００からアクセス可能な記憶装置に格納されていてもよい。この場合、取得部２０２０は、第１送信シンボル列及び第２送信シンボル列の複数のセットを記憶装置から取得しうる。また、訓練装置２０００は、任意のコンピュータから送信された第１送信シンボル列及び第２送信シンボル列の複数のセットを受信してもよい。
＜訓練データセットの生成：Ｓ１０４＞
生成部２０４０は、第１送信シンボル列及び第２送信シンボル列の各セットについて訓練データセット１０を生成する（Ｓ１０４）。上述したように、訓練データセット１０は、入力データ１２からグラウンドトゥルースデータ１４への変換が、光送信信号の歪み補償と実質的に等価であるように生成される。
生成部２０４０は、第１送信シンボル列及び第２送信シンボル列の各セットについて訓練データセット１０を生成する（Ｓ１０４）。上述したように、訓練データセット１０は、入力データ１２からグラウンドトゥルースデータ１４への変換が、光送信信号の歪み補償と実質的に等価であるように生成される。
このような訓練データセット１０の第１の例は、入力データ１２として、第１送信シンボル列を含み、グラウンドトゥルースデータ１４として、第２送信シンボル列に含まれる歪みの反転信号（inverse signal）とを含む。このタイプの訓練データセット１０を使用することで、生成器２００は、第１送信シンボル列から、第２送信シンボル列に含まれる歪みの反転信号を生成するように訓練される。歪みの反転信号は、光送信部１１２によって導入される歪みを相殺するために、第１送信シンボル列に適用することができる。したがって、第１の例の訓練データセット１０を用いて訓練された生成器２００の訓練可能なパラメータは、プレ補償器として動作する歪み補償器１４０に適用することができる。
生成部２０２０は、以下のように歪みの反転信号を生成する。
ここで、入力信号は第１送信シンボル列を表す。出力信号は第２送信シンボル列を表す。λはディストーションに追加のスケーリングを導入する係数を表す（通常は1に設定される)。μはトランスミッタの設定からのゲインを考慮するためのスケーリングを表す。
訓練データセット１０の第２の例は、第２送信シンボル列を入力データ１２として含み、第１送信シンボル列をグラウンドトゥルースデータ１４として含む。この種類の訓練データセット１０を用ることにより、生成器は、第２送信シンボル列から第１送信シンボル列を生成するように（言い換えれば、歪んだデジタル信号から元のデジタル信号を復元するように）訓練される。これは、このケースにおいて、生成器２００がポスト補償器として動作できることを意味する。したがって、訓練データセット１０の第２の例を利用して訓練された生成器２００の訓練可能なパラメータを、ポスト補償器として動作する歪み補償器１４０に適用することができる。
訓練データセット１０の第３の例は、そのゲインによって正規化された第２送信シンボル列を入力データ１２として含み、第１送信シンボル列をグラウンドトゥルースデータ１４として含む。第２送信シンボル列は、光送信部１１２によって光送信信号に加えられた増幅を除去するために正規化され、それによって入力データ１２をグラウンドトゥルースデータ１４と同じ範囲にする。この種類の訓練データセット１０を用いることにより、生成器は、そのゲインによって正規化された第２送信シンボル列から第１送信シンボル列を生成するように訓練される。これは、このケースにおいて、生成器２００がプレ補償器として動作できることを意味する。したがって、訓練データセット１０の第３の例を用いて訓練された生成器２００の訓練可能なパラメータを、光送信部１１２の前に配置された歪み補償器１４０に適用して、プレ補償器として動作させることができる。
＜生成器２００について＞
生成器２００は、ニューラルネットワークやサポートベクトルマシンなどの任意の機械学習ベースのモデルとして実装される。生成器２００がニューラルネットワークとして実装される場合、生成器２００は、線形活性化を有するレイヤのセットと非線形活性化を有するレイヤのセットを含むことが好ましい。この構造により、線形歪みと非線形歪みの両方の複合効果をモデル化することが可能である。これにより、線形歪みと非線形歪みとが複合的に組み合わされた歪みを補償できる歪み補償器１４０を生成することができる。なお、生成器２００の訓練可能なパラメータは、生成器２００がニューラルネットワークとして実装される場合には、各レイヤの重みとバイアスを含みうる。
生成器２００は、ニューラルネットワークやサポートベクトルマシンなどの任意の機械学習ベースのモデルとして実装される。生成器２００がニューラルネットワークとして実装される場合、生成器２００は、線形活性化を有するレイヤのセットと非線形活性化を有するレイヤのセットを含むことが好ましい。この構造により、線形歪みと非線形歪みの両方の複合効果をモデル化することが可能である。これにより、線形歪みと非線形歪みとが複合的に組み合わされた歪みを補償できる歪み補償器１４０を生成することができる。なお、生成器２００の訓練可能なパラメータは、生成器２００がニューラルネットワークとして実装される場合には、各レイヤの重みとバイアスを含みうる。
図６は、線形活性化を有するレイヤのセットと非線形活性化を有するレイヤのセットを含む生成器２００の構成例を示す。図６において、生成器２００は、入力レイヤ２１０、第１レイヤセット２２０、第２レイヤセット２３０、及び出力レイヤ２４０を含む。レイヤセット２２０及び２３０の各レイヤは、活性化関数を有する訓練可能な重みを含む。なお、簡潔にするために、レイヤ間のエッジは図６に示されていない。
第１レイヤセット２２０は、線形活性化関数を有するレイヤのセットである。第２レイヤセット２３０は、ReLU（Rectified Linear Unit）関数のような非線形活性化関数を含むレイヤのセットである。
出力レイヤ２４０のサイズは、シンボルと同じサイズに設定される。光通信システム１００が単一偏波の単一チャネル光通信システムである場合、シンボルが同相成分と直交位相成分を含むため、シンボルのサイズは２である。したがって、出力レイヤ２４０のサイズは２に設定される。一方、二重偏波システムの場合、シンボルが２つの偏波それぞれについての同相成分と直交位相成分を含むため、シンボルのサイズは４である。したがって、出力レイヤ２４０のサイズは、４に設定することができる。代わりに、生成器２００は、２つの別個のニューラルネットワークを含むことができる。そのうちの一方は、Ｘ偏波について同相及び直交位相成分のセットを生成する。そして、そのうちの他方は、Ｙ偏波についてそのセットを生成する。
入力レイヤ２１０に関しては、歪み特性におけるメモリ効果を考慮するために、入力レイヤ２１０のサイズを出力レイヤ２４０のサイズよりも大きく設定することが好ましい。シンボルのサイズが２であり、過去（M-1）個のシンボルの影響が考慮されるとする。この場合、出力レイヤ２４０のサイズは２に設定される一方で、入力レイヤ２１０が現在のシンボルと過去（M-1）のシンボル（すなわち、合計 M シンボル）のそれぞれについて２つの成分を有するように設定されるため、入力レイヤ２１０のサイズは 2*M に設定される。
理論的には、第１レイヤセット２２０からの出力は、以下のように表現できる。
ここで、X_L は第１レイヤセット２２０からの出力を表し、X_in は入力レイヤ２１０へのデータ入力を表す。W_L1 及び B_L1 はそれぞれ、第１レイヤセット２２０の最後のレイヤを除く全てのレイヤに対応する重み及びバイアスを表す。W_L2 及び B_L2 はそれぞれ、第１レイヤセット２２０の最後のレイヤに対応する重み及びバイアスを表す。
さらに、生成器２００からの最終出力（すなわち、出力レイヤ２４０からの出力）は、次のように表すことができる。
ここで、X_out は生成器２００の最終出力を表し、f_NL は第２レイヤセット２３０によってモデル化された関数を表す。W_O と B_O はそれぞれ、出力レイヤ２４０に対応する重みとバイアスを表す。
なお、生成器２００は、第１レイヤセット２２０の最後のレイヤと第２レイヤセット２３０の最後のレイヤとの間に、スキップ接続を有してもよい。この場合、生成器２００からの最終出力は、次のように表すことができる。
W_L は、スキップ接続に対応する重みを表す。
なお、生成器２００が上述のスキップ接続を有する場合、第１レイヤセット２２０と第２レイヤセット２３０とを接続するために、第１レイヤセット２２０の最終レイヤは、第２レイヤセット２３０の最初のレイヤと同数のノードを有するように構成される。
X_out は、生成器２００によってモデル化され得る関数の特性を示す。後述するように、生成器２００の訓練可能な重みとレイヤの数を動的に調整することにより、この関数の表現力を向上させる。
＜識別器３００について＞
識別器３００は、ニューラルネットワークやサポートベクトルマシンなどの任意の機械学習ベースのモデルとして実装することができる。例えば、識別器３００は、出力レイヤが分類結果を表す one-hot ベクトルを出力する２つのノードを有するニューラルネットワークとして実装される。具体的には、例えば、出力レイヤは、入力データが生成器２００によって生成されたものであると識別器３００が判定した場合にはベクトル (0,1) を出力し、入力データがグラウンドトゥルースデータ１４であると識別器３００が判定した場合にはベクトル (1,0) を出力する。以下、分かりやすく簡潔に説明するために、生成器２００から出力されたデータを生成データ、グラウンドトゥルースデータ１４を真データとして説明する。
識別器３００は、ニューラルネットワークやサポートベクトルマシンなどの任意の機械学習ベースのモデルとして実装することができる。例えば、識別器３００は、出力レイヤが分類結果を表す one-hot ベクトルを出力する２つのノードを有するニューラルネットワークとして実装される。具体的には、例えば、出力レイヤは、入力データが生成器２００によって生成されたものであると識別器３００が判定した場合にはベクトル (0,1) を出力し、入力データがグラウンドトゥルースデータ１４であると識別器３００が判定した場合にはベクトル (1,0) を出力する。以下、分かりやすく簡潔に説明するために、生成器２００から出力されたデータを生成データ、グラウンドトゥルースデータ１４を真データとして説明する。
＜生成器２００及び識別器３００の訓練：Ｓ１０６＞
訓練実行部２０６０は、モデルセット４００の訓練を実行する（Ｓ１０６）。概念的には、訓練実行部２０６０は、モデルセット４００に対して GAN 的な訓練を実行する。生成器２００は、識別器３００によって真データであると判定されるデータを生成するように訓練され、識別器３００は、生成器２００によって生成されたデータが真データではないと判定するように訓練される。
訓練実行部２０６０は、モデルセット４００の訓練を実行する（Ｓ１０６）。概念的には、訓練実行部２０６０は、モデルセット４００に対して GAN 的な訓練を実行する。生成器２００は、識別器３００によって真データであると判定されるデータを生成するように訓練され、識別器３００は、生成器２００によって生成されたデータが真データではないと判定するように訓練される。
図７は、モデルセット４００の訓練の流れの一例を示す。訓練実行部２０６０は、モデルセット４００を初期化する（Ｓ２０２）。例えば、訓練実行部２０６０は、生成器２００のハイパーパラメータ（予め定義された入出力のサイズ、予め定義された各レイヤのノード数、及び予め定義されたレイヤ数など）を取得しうる。訓練実行部２０６０は、取得したハイパーパラメータを用いて生成器２００を初期化する。生成器２００の訓練可能なパラメータも初期化する。
識別器３００についても同様である。具体的には、訓練実行部２０６０は、識別器３００のハイパーパラメータを取得し、取得したハイパーパラメータで識別器３００を初期化し、識別器３００の訓練可能パラメータを初期化することができる。
訓練実行部２０６０は、モデルセット４００の初期化後、識別器３００と連携させずに、生成器２００の訓練を行う（Ｓ２０４）。上述したように、生成器２００は、訓練データセット１０を用いて訓練される。例えば、訓練データセット１０ごとに、訓練実行部２０６０は、入力データ１２を生成器２００に入力し、生成器２００からの出力を取得し、グラウンドトゥルースデータ１４及び生成器２００からの出力を所定の損失関数に適用することによって損失を算出し、算出された損失に基づいて生成器２００の訓練可能なパラメータを更新する。
次に、訓練実行部２０６０は、識別器３００の訓練を実行する（Ｓ２０６）。識別器３００は、グラウンドトゥルースデータ１４と、ステップＳ２０４で訓練された生成器２００からの出力とを用いて訓練される。
具体的には、訓練実行部２０６０は、訓練データセット１０ごとに、入力データ１２を生成器２００に入力し、生成器２００から出力を得る。そして、訓練実行部２０６０は、生成器２００から出力されたデータを識別器３００に入力し、入力されたデータが生成データであると判定するように識別器３００を訓練する。
具体的には、例えば訓練実行部２０６０は、識別器３００から出力を取得し、識別器３００からの実際の出力と理想の出力とを所定の損失関数に適用して損失を算出し、識別器３００の訓練可能なパラメータを更新する。この場合の理想の出力とは、識別器３００に入力されたデータが生成データであることを示すデータ（例えば、前述の識別器３００の説明で記載されている one-hot ベクトル (0,1)）である。
また、訓練実行部２０６０は、グラウンドトゥルースデータ１４を識別器３００に入力し、入力されたデータが真データであると判定するように識別器３００を訓練する。識別器３００の訓練可能パラメータは、生成器２００で生成されたデータが識別器３００に入力された場合においてそれらのパラメータを更新する方法と同様の方法で、更新することができる。なお、この場合、損失を算出するために使用される理想の出力は、識別器３００に入力されたデータが真データであることを示すデータ（例えば、前述の識別器３００の説明で記載されている one-hotベクトル (1,0)）である。
訓練実行部２０６０は、生成器２００及び識別器３００の個別の訓練の後、識別器３００と連携させて生成器２００の訓練を行う（Ｓ２０８）。具体的には、訓練データセット１０ごとに、訓練実行部２０６０は以下のように動作する。訓練実行部２０６０は、ステップ２０４で訓練した生成器２００に入力データ１２を入力し、生成器２００から出力を得る。次に、訓練実行部２０６０は、生成器２００から得た出力をステップ２０６で訓練した識別器３００に入力し、識別器３００から出力を得る。そして、訓練実行部２０６０は、損失を算出し、算出した損失に基づいて生成器２００の訓練可能パラメータを更新する。この場合、識別器３００からの実際の出力と理想の出力とを所定の損失関数に適用して損失を算出する。この場合の理想の出力とは、識別器３００に入力されたデータが真データであることを示すデータ（例えば、前述の識別器３００の説明で記載されている one-hot ベクトル (1,0)）である。
ステップ２０８が終了すると、訓練実行部２０６０は、所定の終了条件が満たされているか否かを判定する（Ｓ２１０）。ここで、様々な種類の終了条件を用いることができる。例えば終了条件は、「ステップＳ２０４～Ｓ２１２の所定回数の反復実行が完了したこと」とすることができる。
その他にも例えば、終了条件は、「モデルセット４００の性能が所定の目標を達成したこと」とすることができる。モデルセット４００の性能は、所定の損失関数を使用して算出することができる。例えば、ステップ２０４、２０６又は２０８で算出された損失は、モデルセット４００の性能を表すために使用することができる。この場合、例えば訓練実行部２０６０は、損失が所定の閾値未満であれば、「モデルセット４００の性能が所定の目標を達成した」と判定する。
終了条件が満たされた場合（Ｓ２１０：ＹＥＳ）、訓練実行部２０６０は、モデルセット４００の訓練を終了する。一方、終了条件が満たされなかった場合（Ｓ２１０：ＮＯ）、訓練実行部２０６０は、ステップ２１２を実行する。
ステップ２１２において、訓練実行部２０６０は、所定のルールに基づいてモデルセット４００の構成を変更する（以下、変更規則）。変更するモデルセット４００の構成は、レイヤセット２２０のレイヤ数であってもよいし、レイヤセット２３０のレイヤ数であってもよいし、その両方であってもよい。
モデルセット４００が適切な構成（例えば、生成器２００がレイヤセット２２０及びレイヤセット２３０において最適な数のレイヤを有する。）に収束できるような変更ルールを予め適切に設定しておくことが好ましい。変更ルールの例としては、「損失が閾値未満になるまでレイヤセット２３０のレイヤ数を繰り返し増加させ、その後、レイヤセット２２０のレイヤ数の減少が損失の増加につながるポイントまで、レイヤセット２２０のレイヤ数を繰り返し減少させる。」がある。
生成器２００の変更（ステップ２１２）は、歪み補償器１４０をできるだけ単純化し、かつ高精度化するために行われる。具体的には、光送信機はそれぞれ固有の特性を有している可能性があるため、全ての光送信機に対して最適な、歪み補償器１４０の構成（重みやレイヤの数）はない。歪み補償器１４０の複雑さを考慮することなく、多数の重みやレイヤを備えた生成器２００を静的に構成することも可能である。しかしながら、生成器２００の複雑さが高いほど、生成器２００の訓練にはより多くの計算時間と資源が必要となる。加えて、それはまた、歪み補償器１４０の効率を低下させる。
生成器２００を繰り返し変更することによれば、生成器２００は、その高精度を維持しながら、可能な限り単純になるように徐々に調整される。これにより、光送信部１１２の特性に応じて歪み補償器１４０の構成をカスタマイズすることができ、少ない計算時間と資源で正確に歪み補償を行うことができる。
ステップＳ２１２の後、再度ステップ２０４を実行する。具体的には、ステップ２１０で終了条件が満たされたと判定されるまで、ステップ２０４～ステップＳ２１２を繰り返し実行される。
＜パラメータ情報の出力：Ｓ１０８＞
出力部２０８０は、パラメータ情報２０を出力する（Ｓ１０８）。パラメータ情報２０は、生成器２００の訓練可能なパラメータを含む。上述したように、訓練された生成器２００の訓練可能なパラメータは、歪み補償器１４０に適用することができる。
出力部２０８０は、パラメータ情報２０を出力する（Ｓ１０８）。パラメータ情報２０は、生成器２００の訓練可能なパラメータを含む。上述したように、訓練された生成器２００の訓練可能なパラメータは、歪み補償器１４０に適用することができる。
パラメータ情報２０は、生成器２００のハイパーパラメータも含むことができる。特に、上述したように、生成器２００の構成が変更ルールに基づいて変更された場合、出力部２０８０は、変更ルールに基づいて変更されたパラメータ（例えば、レイヤセット２２０及び２３０のレイヤ数）もパラメータ情報２０に含む。この場合、歪み補償器１４０は、パラメータ情報２０で指定されたレイヤ数を有するように構成される。
パラメータ情報２０の出力方法は様々である。例えば、パラメータ情報２０は、訓練装置２０００からアクセス可能な記憶装置に格納される。その他にも例えば、パラメータ情報２０は、別のコンピュータ（例えば、パラメータ情報２０を使用して歪み補償器１４０を構成するコンピュータ）に送信される。
＜パラメータ情報２０の別の使用法＞
パラメータ情報２０は、歪み補償器１４０を構成するだけでなく、光送信部１１２の数学モデルを生成するためにも使用することができる。この場合、訓練データセット１０は、第１送信シンボル列を入力データ１２として含み、第２送信シンボル列又は任意にスケールされたバージョンの第２送信シンボル列をグラウンドトゥルースデータ１４として含むように、生成することができる。この種類の入力データ１２に基づいて、生成器２００は、第１送信シンボル列から第２送信シンボル列を生成するように（言い換えると、元の信号から歪んだ信号を生成するように）訓練される。したがって、訓練された生成器２００の訓練可能なパラメータを使用して、光送信部１１２のモデルを生成することができる。
パラメータ情報２０は、歪み補償器１４０を構成するだけでなく、光送信部１１２の数学モデルを生成するためにも使用することができる。この場合、訓練データセット１０は、第１送信シンボル列を入力データ１２として含み、第２送信シンボル列又は任意にスケールされたバージョンの第２送信シンボル列をグラウンドトゥルースデータ１４として含むように、生成することができる。この種類の入力データ１２に基づいて、生成器２００は、第１送信シンボル列から第２送信シンボル列を生成するように（言い換えると、元の信号から歪んだ信号を生成するように）訓練される。したがって、訓練された生成器２００の訓練可能なパラメータを使用して、光送信部１１２のモデルを生成することができる。
訓練装置２０００は、モデルセット４００に対して GAN 的な訓練を行うので、生成器２００を正確に訓練することができる。このように、訓練可能なパラメータを光送信部１１２の数理モデルのパラメータとして用いることで、光送信部１１２の数理モデルを正確に生成することができる。
光送信部１１２の数理モデルを生成した後、訓練装置２０００は、光送信部１１２を利用せずに、第２送信シンボル列を生成することができる。具体的には、訓練装置２０００は、第１送信シンボル列を、実際の光送信部１１２ではなく、光送信部１１２の数理モデルに入力することにより、第２送信シンボル列を得ることができる。
数理モデルから出力される第２送信シンボル列を用いて、歪み補償器１４０に適したパラメータを含むパラメータ情報２０を生成することができる。具体的には、訓練装置２０００は、数理モデルに入力される第１送信シンボル列と、第１送信シンボル列が数理モデルに入力されることに応じて数理モデルから出力される第２送信シンボルとに基づいて、訓練データセット１０を生成する。このとき、モデルセット４００の訓練に適した訓練データセット１０が生成され、歪み補償器１４０のパラメータが生成される。そして、訓練装置２０００は、ここで生成された訓練データセット１０を用いてモデルセット４００の訓練を実行し、訓練された生成器２００のパラメータを含むパラメータ情報２０を生成して出力する。
以上、実施の形態を参照して本願発明を説明したが、本願開示は上記実施形態に限定されるものではない。本願開示の構成や詳細には、発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
プログラムは、コンピュータに読み込まれた場合に、実施形態で説明された１又はそれ以上の機能をコンピュータに行わせるための命令群（又はソフトウェアコード）を含む。プログラムは、非一時的なコンピュータ可読媒体又は実体のある記憶媒体に格納されてもよい。限定ではなく例として、コンピュータ可読媒体又は実体のある記憶媒体は、random-access memory（RAM）、read-only memory（ROM）、フラッシュメモリ、solid-state drive（SSD）又はその他のメモリ技術、CD-ROM、digital versatile disc（DVD）、Blu-ray（登録商標）ディスク又はその他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ又はその他の磁気ストレージデバイスを含む。プログラムは、一時的なコンピュータ可読媒体又は通信媒体上で送信されてもよい。限定ではなく例として、一時的なコンピュータ可読媒体又は通信媒体は、電気的、光学的、音響的、またはその他の形式の伝搬信号を含む。
上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
＜付記＞
（付記１）
少なくとも一つのプロセッサと、
命令を格納する記憶要素を含み、
前記少なくとも一つのプロセッサは、前記命令を実行することにより、
送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得し、前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、
前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得し、
前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成し、
前記訓練データセットを用いて生成器と識別器のセットの訓練を実行し、前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、
前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力する、訓練装置。
（付記２）
前記パラメータ情報に含まれる前記生成器の前記訓練可能なパラメータは、前記送信機内の前記光送信部の前に配置されるプレ補償器に適用されるべき、又は前記受信機内の光受信部の後に配置されるポスト補償器に適用されるべきパラメータとして出力され、前記光受信部は、前記送信機によって送信された前記光送信信号を受信して、前記受信した信号をシンボルの列に変換する、付記１に記載の訓練装置。
（付記３）
前記訓練データの生成は、
前記第２送信シンボル列に基づいて、前記光送信信号に含まれる歪みの反転信号を生成し、
前記第１送信シンボル列が前記入力データとして含まれ、かつ、前記歪みの前記反転信号が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１又は２に記載の訓練装置。
（付記４）
前記訓練データの生成は、前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１又は２に記載の訓練装置。
（付記５）
前記訓練データの生成は、自身のゲインで正規化された前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１又は２に記載の訓練装置。
（付記６）
前記生成器は、線形活性化関数を持つレイヤの第１のセットと、非線形活性化関数を持つレイヤの第２のセットを含む、付記１から５いずれか一項に記載の訓練装置。
（付記７）
前記生成器と前記識別器の前記セットの前記訓練は、前記レイヤの第１のセットに含まれるレイヤの数の変更、前記レイヤの第２のセットに含まれるレイヤの数の変更、又はこれらの双方を含む、付記６に記載の訓練装置。
（付記８）
前記生成器は、前記レイヤの第１のセットの最後のレイヤと、前記レイヤの第２のセットの最後のレイヤとを接続するスキップ接続を含む、付記６又は７に記載の訓練装置。
（付記９）
前記少なくとも１つのプロセッサは、さらに、
前記パラメータ情報に含まれる前記訓練可能なパラメータが適用されるべき、前記光送信部の数理モデルを取得し、
前記第１送信シンボル列を前記数理モデルに入力することで、前記第２送信シンボル列を生成し、
前記数理モデルに入力される前記第１送信シンボル列と、前記数理モデルから出力される前記第２送信シンボル列とに基づいて、前記入力データと前記グラウンドトゥルースデータが含まれる第２の訓練データセットを生成し、
前記第２の訓練データセットを用いて、前記生成器と前記識別器の前記セットの前記訓練を実行し、
前記第２の訓練データセットを用いて訓練された前記生成器の訓練可能なパラメータが含まれる前記パラメータ情報を出力する、付記１から８いずれか一項に記載の訓練装置。
（付記１０）
送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得し、前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、
前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得し、
前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成し、
前記訓練データセットを用いて生成器と識別器のセットの訓練を実行し、前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、
前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力することを含む、コンピュータによって実行される制御方法。
（付記１１）
前記パラメータ情報に含まれる前記生成器の前記訓練可能なパラメータは、前記送信機内の前記光送信部の前に配置されるプレ補償器に適用されるべき、又は前記受信機内の光受信部の後に配置されるポスト補償器に適用されるべきパラメータとして出力され、前記光受信部は、前記送信機によって送信された前記光送信信号を受信して、前記受信した信号をシンボルの列に変換する、付記１０に記載の制御方法。
（付記１２）
前記訓練データの生成は、
前記第２送信シンボル列に基づいて、前記光送信信号に含まれる歪みの反転信号を生成し、
前記第１送信シンボル列が前記入力データとして含まれ、かつ、前記歪みの前記反転信号が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１０又は１１に記載の制御方法。
（付記１３）
前記訓練データの生成は、前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１０又は１１に記載の制御方法
（付記１４）
前記訓練データの生成は、自身のゲインで正規化された前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１０又は１１に記載の制御方法。
（付記１５）
前記生成器は、線形活性化関数を持つレイヤの第１のセットと、非線形活性化関数を持つレイヤの第２のセットを含む、付記１０から１４いずれか一項に記載の制御方法。
（付記１６）
前記生成器と前記識別器の前記セットの前記訓練は、前記レイヤの第１のセットに含まれるレイヤの数の変更、前記レイヤの第２のセットに含まれるレイヤの数の変更、又はこれらの双方を含む、付記１５に記載の制御方法。
（付記１７）
前記生成器は、前記レイヤの第１のセットの最後のレイヤと、前記レイヤの第２のセットの最後のレイヤとを接続するスキップ接続を含む、付記１５又は１６に記載の制御方法。
（付記１８）
前記パラメータ情報に含まれる前記訓練可能なパラメータが適用されるべき、前記光送信部の数理モデルを取得することと、
前記第１送信シンボル列を前記数理モデルに入力することで、前記第２送信シンボル列を生成することと、
前記数理モデルに入力される前記第１送信シンボル列と、前記数理モデルから出力される前記第２送信シンボル列とに基づいて、前記入力データと前記グラウンドトゥルースデータが含まれる第２の訓練データセットを生成することと、
前記第２の訓練データセットを用いて、前記生成器と前記識別器の前記セットの前記訓練を実行することと、
前記第２の訓練データセットを用いて訓練された前記生成器の訓練可能なパラメータが含まれる前記パラメータ情報を出力することとをさらに含む、付記１０から１７いずれか一項に記載の制御方法。
（付記１９）
送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得し、前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、
前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得し、
前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成し、
前記訓練データセットを用いて生成器と識別器のセットの訓練を実行し、前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、
前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力することをコンピュータに実行させるプログラムを格納する非一時的なコンピュータ可読媒体。
（付記２０）
前記パラメータ情報に含まれる前記生成器の前記訓練可能なパラメータは、前記送信機内の前記光送信部の前に配置されるプレ補償器に適用されるべき、又は前記受信機内の光受信部の後に配置されるポスト補償器に適用されるべきパラメータとして出力され、前記光受信部は、前記送信機によって送信された前記光送信信号を受信して、前記受信した信号をシンボルの列に変換する、付記１９に記載の記憶媒体。
（付記２１）
前記訓練データの生成は、
前記第２送信シンボル列に基づいて、前記光送信信号に含まれる歪みの反転信号を生成し、
前記第１送信シンボル列が前記入力データとして含まれ、かつ、前記歪みの前記反転信号が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１９又は２０に記載の記憶媒体。
（付記２２）
前記訓練データの生成は、前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１９又は２０に記載の記憶媒体。
（付記２３）
前記訓練データの生成は、自身のゲインで正規化された前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１９又は２０に記載の記憶媒体。
（付記２４）
前記生成器は、線形活性化関数を持つレイヤの第１のセットと、非線形活性化関数を持つレイヤの第２のセットを含む、付記１９から２３いずれか一項に記載の記憶媒体。
（付記２５）
前記生成器と前記識別器の前記セットの前記訓練は、前記レイヤの第１のセットに含まれるレイヤの数の変更、前記レイヤの第２のセットに含まれるレイヤの数の変更、又はこれらの双方を含む、付記２４に記載の記憶媒体。
（付記２６）
前記生成器は、前記レイヤの第１のセットの最後のレイヤと、前記レイヤの第２のセットの最後のレイヤとを接続するスキップ接続を含む、付記２４又は２５に記載の記憶媒体。
（付記２７）
前記プログラムは、
前記パラメータ情報に含まれる前記訓練可能なパラメータが適用されるべき、前記光送信部の数理モデルを取得することと、
前記第１送信シンボル列を前記数理モデルに入力することで、前記第２送信シンボル列を生成することと、
前記数理モデルに入力される前記第１送信シンボル列と、前記数理モデルから出力される前記第２送信シンボル列とに基づいて、前記入力データと前記グラウンドトゥルースデータが含まれる第２の訓練データセットを生成することと、
前記第２の訓練データセットを用いて、前記生成器と前記識別器の前記セットの前記訓練を実行することと、
前記第２の訓練データセットを用いて訓練された前記生成器の訓練可能なパラメータが含まれる前記パラメータ情報を出力することと、をさらにコンピュータに実行させる、付記１９から２６いずれか一項に記載の記憶媒体。
＜付記＞
（付記１）
少なくとも一つのプロセッサと、
命令を格納する記憶要素を含み、
前記少なくとも一つのプロセッサは、前記命令を実行することにより、
送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得し、前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、
前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得し、
前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成し、
前記訓練データセットを用いて生成器と識別器のセットの訓練を実行し、前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、
前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力する、訓練装置。
（付記２）
前記パラメータ情報に含まれる前記生成器の前記訓練可能なパラメータは、前記送信機内の前記光送信部の前に配置されるプレ補償器に適用されるべき、又は前記受信機内の光受信部の後に配置されるポスト補償器に適用されるべきパラメータとして出力され、前記光受信部は、前記送信機によって送信された前記光送信信号を受信して、前記受信した信号をシンボルの列に変換する、付記１に記載の訓練装置。
（付記３）
前記訓練データの生成は、
前記第２送信シンボル列に基づいて、前記光送信信号に含まれる歪みの反転信号を生成し、
前記第１送信シンボル列が前記入力データとして含まれ、かつ、前記歪みの前記反転信号が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１又は２に記載の訓練装置。
（付記４）
前記訓練データの生成は、前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１又は２に記載の訓練装置。
（付記５）
前記訓練データの生成は、自身のゲインで正規化された前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１又は２に記載の訓練装置。
（付記６）
前記生成器は、線形活性化関数を持つレイヤの第１のセットと、非線形活性化関数を持つレイヤの第２のセットを含む、付記１から５いずれか一項に記載の訓練装置。
（付記７）
前記生成器と前記識別器の前記セットの前記訓練は、前記レイヤの第１のセットに含まれるレイヤの数の変更、前記レイヤの第２のセットに含まれるレイヤの数の変更、又はこれらの双方を含む、付記６に記載の訓練装置。
（付記８）
前記生成器は、前記レイヤの第１のセットの最後のレイヤと、前記レイヤの第２のセットの最後のレイヤとを接続するスキップ接続を含む、付記６又は７に記載の訓練装置。
（付記９）
前記少なくとも１つのプロセッサは、さらに、
前記パラメータ情報に含まれる前記訓練可能なパラメータが適用されるべき、前記光送信部の数理モデルを取得し、
前記第１送信シンボル列を前記数理モデルに入力することで、前記第２送信シンボル列を生成し、
前記数理モデルに入力される前記第１送信シンボル列と、前記数理モデルから出力される前記第２送信シンボル列とに基づいて、前記入力データと前記グラウンドトゥルースデータが含まれる第２の訓練データセットを生成し、
前記第２の訓練データセットを用いて、前記生成器と前記識別器の前記セットの前記訓練を実行し、
前記第２の訓練データセットを用いて訓練された前記生成器の訓練可能なパラメータが含まれる前記パラメータ情報を出力する、付記１から８いずれか一項に記載の訓練装置。
（付記１０）
送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得し、前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、
前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得し、
前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成し、
前記訓練データセットを用いて生成器と識別器のセットの訓練を実行し、前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、
前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力することを含む、コンピュータによって実行される制御方法。
（付記１１）
前記パラメータ情報に含まれる前記生成器の前記訓練可能なパラメータは、前記送信機内の前記光送信部の前に配置されるプレ補償器に適用されるべき、又は前記受信機内の光受信部の後に配置されるポスト補償器に適用されるべきパラメータとして出力され、前記光受信部は、前記送信機によって送信された前記光送信信号を受信して、前記受信した信号をシンボルの列に変換する、付記１０に記載の制御方法。
（付記１２）
前記訓練データの生成は、
前記第２送信シンボル列に基づいて、前記光送信信号に含まれる歪みの反転信号を生成し、
前記第１送信シンボル列が前記入力データとして含まれ、かつ、前記歪みの前記反転信号が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１０又は１１に記載の制御方法。
（付記１３）
前記訓練データの生成は、前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１０又は１１に記載の制御方法
（付記１４）
前記訓練データの生成は、自身のゲインで正規化された前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１０又は１１に記載の制御方法。
（付記１５）
前記生成器は、線形活性化関数を持つレイヤの第１のセットと、非線形活性化関数を持つレイヤの第２のセットを含む、付記１０から１４いずれか一項に記載の制御方法。
（付記１６）
前記生成器と前記識別器の前記セットの前記訓練は、前記レイヤの第１のセットに含まれるレイヤの数の変更、前記レイヤの第２のセットに含まれるレイヤの数の変更、又はこれらの双方を含む、付記１５に記載の制御方法。
（付記１７）
前記生成器は、前記レイヤの第１のセットの最後のレイヤと、前記レイヤの第２のセットの最後のレイヤとを接続するスキップ接続を含む、付記１５又は１６に記載の制御方法。
（付記１８）
前記パラメータ情報に含まれる前記訓練可能なパラメータが適用されるべき、前記光送信部の数理モデルを取得することと、
前記第１送信シンボル列を前記数理モデルに入力することで、前記第２送信シンボル列を生成することと、
前記数理モデルに入力される前記第１送信シンボル列と、前記数理モデルから出力される前記第２送信シンボル列とに基づいて、前記入力データと前記グラウンドトゥルースデータが含まれる第２の訓練データセットを生成することと、
前記第２の訓練データセットを用いて、前記生成器と前記識別器の前記セットの前記訓練を実行することと、
前記第２の訓練データセットを用いて訓練された前記生成器の訓練可能なパラメータが含まれる前記パラメータ情報を出力することとをさらに含む、付記１０から１７いずれか一項に記載の制御方法。
（付記１９）
送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得し、前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、
前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得し、
前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成し、
前記訓練データセットを用いて生成器と識別器のセットの訓練を実行し、前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、
前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力することをコンピュータに実行させるプログラムを格納する非一時的なコンピュータ可読媒体。
（付記２０）
前記パラメータ情報に含まれる前記生成器の前記訓練可能なパラメータは、前記送信機内の前記光送信部の前に配置されるプレ補償器に適用されるべき、又は前記受信機内の光受信部の後に配置されるポスト補償器に適用されるべきパラメータとして出力され、前記光受信部は、前記送信機によって送信された前記光送信信号を受信して、前記受信した信号をシンボルの列に変換する、付記１９に記載の記憶媒体。
（付記２１）
前記訓練データの生成は、
前記第２送信シンボル列に基づいて、前記光送信信号に含まれる歪みの反転信号を生成し、
前記第１送信シンボル列が前記入力データとして含まれ、かつ、前記歪みの前記反転信号が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１９又は２０に記載の記憶媒体。
（付記２２）
前記訓練データの生成は、前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１９又は２０に記載の記憶媒体。
（付記２３）
前記訓練データの生成は、自身のゲインで正規化された前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成することを含む、付記１９又は２０に記載の記憶媒体。
（付記２４）
前記生成器は、線形活性化関数を持つレイヤの第１のセットと、非線形活性化関数を持つレイヤの第２のセットを含む、付記１９から２３いずれか一項に記載の記憶媒体。
（付記２５）
前記生成器と前記識別器の前記セットの前記訓練は、前記レイヤの第１のセットに含まれるレイヤの数の変更、前記レイヤの第２のセットに含まれるレイヤの数の変更、又はこれらの双方を含む、付記２４に記載の記憶媒体。
（付記２６）
前記生成器は、前記レイヤの第１のセットの最後のレイヤと、前記レイヤの第２のセットの最後のレイヤとを接続するスキップ接続を含む、付記２４又は２５に記載の記憶媒体。
（付記２７）
前記プログラムは、
前記パラメータ情報に含まれる前記訓練可能なパラメータが適用されるべき、前記光送信部の数理モデルを取得することと、
前記第１送信シンボル列を前記数理モデルに入力することで、前記第２送信シンボル列を生成することと、
前記数理モデルに入力される前記第１送信シンボル列と、前記数理モデルから出力される前記第２送信シンボル列とに基づいて、前記入力データと前記グラウンドトゥルースデータが含まれる第２の訓練データセットを生成することと、
前記第２の訓練データセットを用いて、前記生成器と前記識別器の前記セットの前記訓練を実行することと、
前記第２の訓練データセットを用いて訓練された前記生成器の訓練可能なパラメータが含まれる前記パラメータ情報を出力することと、をさらにコンピュータに実行させる、付記１９から２６いずれか一項に記載の記憶媒体。
１０ 訓練データセット
１２ 入力データ
１４ グラウンドトゥルースデータ
２０ パラメータ情報
５０ 中間光受信部
１００ 光通信システム
１１０ 送信機
１１２ 光送信部
１２０ 受信機
１２２ 光受信部
１３０ 光ファイバ
１４０ 歪み補償器
２００ 生成器
２１０ 入力レイヤ
２２０ 第１レイヤセット
２３０ 第２レイヤセット
２４０ 出力レイヤ
３００ 識別器
４００ モデルセット
１０００ コンピュータ
１０２０ バス
１０４０ プロセッサ
１０６０ メモリ
１０８０ ストレージデバイス
１１００ 入出力インタフェース
１１２０ ネットワークインタフェース
２０００ 訓練装置
２０２０ 取得部
２０４０ 生成部
２０６０ 訓練実行部
２０８０ 出力部
１２ 入力データ
１４ グラウンドトゥルースデータ
２０ パラメータ情報
５０ 中間光受信部
１００ 光通信システム
１１０ 送信機
１１２ 光送信部
１２０ 受信機
１２２ 光受信部
１３０ 光ファイバ
１４０ 歪み補償器
２００ 生成器
２１０ 入力レイヤ
２２０ 第１レイヤセット
２３０ 第２レイヤセット
２４０ 出力レイヤ
３００ 識別器
４００ モデルセット
１０００ コンピュータ
１０２０ バス
１０４０ プロセッサ
１０６０ メモリ
１０８０ ストレージデバイス
１１００ 入出力インタフェース
１１２０ ネットワークインタフェース
２０００ 訓練装置
２０２０ 取得部
２０４０ 生成部
２０６０ 訓練実行部
２０８０ 出力部
Claims (10)
- 送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得する取得部を有し、
前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、
前記取得部は、前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列をさらに取得し、
前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成する生成部と、
前記訓練データセットを用いて生成器と識別器のセットの訓練を実行する訓練実行部を有し、
前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、
前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、
前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力する出力部を有する、訓練装置。 - 前記パラメータ情報に含まれる前記生成器の前記訓練可能なパラメータは、前記送信機内の前記光送信部の前に配置されるプレ補償器に適用されるべきパラメータとして出力されるか、又は前記受信機内の光受信部の後に配置されるポスト補償器に適用されるべきパラメータとして出力され、
前記光受信部は、前記送信機によって送信された前記光送信信号を受信して、前記受信した信号をシンボルの列に変換する、請求項１に記載の訓練装置。 - 前記生成部は、
前記第２送信シンボル列に基づいて、前記光送信信号に含まれる歪みの反転信号を生成し、
前記第１送信シンボル列が前記入力データとして含まれ、かつ、前記歪みの反転信号が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成する、請求項１又は２に記載の訓練装置。 - 前記生成部は、前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成する、請求項１又は２に記載の訓練装置。
- 前記生成部は、自身のゲインで正規化された前記第２送信シンボル列が前記入力データとして含まれ、かつ、前記第１送信シンボル列が前記グラウンドトゥルースデータとして含まれる前記訓練データセットを生成する、請求項１又は２に記載の訓練装置。
- 前記生成器は、線形活性化関数を持つレイヤの第１のセットと、非線形活性化関数を持つレイヤの第２のセットを含む、請求項１から５いずれか一項に記載の訓練装置。
- 前記生成器と前記識別器の訓練は、前記レイヤの第１のセットに含まれるレイヤの数の変更、前記レイヤの第２のセットに含まれるレイヤの数の変更、又はこれらの双方を含む、請求項６に記載の訓練装置。
- 前記生成器は、前記レイヤの第１のセットの最後のレイヤと、前記レイヤの第２のセットの最後のレイヤとを接続するスキップ接続を含む、請求項６又は７に記載の訓練装置。
- 送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得することを含み、
前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、
前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得することと、
前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成することと、
前記訓練データセットを用いて生成器と識別器のセットの訓練を実行することと、を含み、
前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、
前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、
前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力することを含む、コンピュータによって実行される制御方法。 - 送信機に含まれる光送信部に入力されるべきシンボルの列である第１送信シンボル列を取得することをコンピュータに実行させ、
前記光送信部は、前記第１送信シンボル列を取得し、前記第１送信シンボル列を光送信信号に変換し、前記光送信信号を受信機へ送信し、
前記光送信信号を復調することによって得られるシンボルの列である第２送信シンボル列を取得することと、
前記第１送信シンボル列及び前記第２送信シンボル列に基づいて、入力データとグラウンドトゥルースデータが含まれる訓練データセットを生成することと、
前記訓練データセットを用いて生成器と識別器のセットの訓練を実行することと、を前記コンピュータに実行させ、
前記生成器は、前記識別器によって前記グラウンドトゥルースデータであると判定されるべきデータを生成するように訓練され、
前記識別器は、前記グラウンドトゥルースデータと前記生成器によって生成された前記データとを区別するように訓練され、
前記生成器の訓練可能なパラメータが含まれるパラメータ情報を出力することを前記コンピュータに実行させるプログラム。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2021/020471 WO2022249465A1 (en) | 2021-05-28 | 2021-05-28 | Training apparatus, control method, and non-transitory computer-readable storage medium |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2024517991A JP2024517991A (ja) | 2024-04-23 |
| JP7616434B2 true JP7616434B2 (ja) | 2025-01-17 |
Family
ID=84229631
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023571339A Active JP7616434B2 (ja) | 2021-05-28 | 2021-05-28 | 訓練装置、制御方法、及びプログラム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20240235692A1 (ja) |
| JP (1) | JP7616434B2 (ja) |
| WO (1) | WO2022249465A1 (ja) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021008705A1 (en) | 2019-07-18 | 2021-01-21 | Huawei Technologies Co., Ltd. | Photonic signal processing |
-
2021
- 2021-05-28 JP JP2023571339A patent/JP7616434B2/ja active Active
- 2021-05-28 WO PCT/JP2021/020471 patent/WO2022249465A1/en not_active Ceased
- 2021-05-28 US US18/563,461 patent/US20240235692A1/en active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021008705A1 (en) | 2019-07-18 | 2021-01-21 | Huawei Technologies Co., Ltd. | Photonic signal processing |
Non-Patent Citations (2)
| Title |
|---|
| DAI, Xiaoxiao et al.，Numerical simulation and experimental demonstration of accurate machine learning aided IQ time-skew and power-imbalance identification for coherent transmitters，Optics Express，Vol.27, No.26，2019年12月23日，pages.38367-38381，URL：https://doi.org/10.1364/ OE.27.038367 |
| PARYANTI, Gil et al.，A Direct Learning Approach for Neural Network Based Pre-Distortion for Coherent Nonlinear Optical Transmitter，Journal of Lightwave Technology，Vol.38, Issue.15，2020年08月01日，pages.3883 - 3896 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240235692A1 (en) | 2024-07-11 |
| JP2024517991A (ja) | 2024-04-23 |
| WO2022249465A1 (en) | 2022-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6730741B2 (ja) | 処理装置、処理方法、処理プログラム、及び暗号処理システム | |
| JP6730740B2 (ja) | 処理装置、処理方法、処理プログラム、及び暗号処理システム | |
| US20210099327A1 (en) | Learning in communication systems | |
| CN111712835A (zh) | 数据传输系统中的信道建模 | |
| CN111490737A (zh) | 一种用于功率放大器的非线性补偿方法和设备 | |
| Song et al. | Model-based end-to-end learning for WDM systems with transceiver hardware impairments | |
| CN114911837A (zh) | 预失真处理方法和装置 | |
| JP2019095635A (ja) | 処理装置、推論装置、学習装置、処理システム、処理方法、及び処理プログラム | |
| US11983246B2 (en) | Data analysis system, learning device, method, and program | |
| US20210266383A1 (en) | Conversion system, method and program | |
| CN102142814B (zh) | 功放相关装置、功率放大器预失真系统以及建模方法 | |
| JP2019191635A (ja) | データ分析システム、方法、及びプログラム | |
| CN113052323B (zh) | 基于联邦学习的模型训练方法、装置和电子设备 | |
| JP7616434B2 (ja) | 訓練装置、制御方法、及びプログラム | |
| CN105264769A (zh) | 失真补偿装置和无线通信装置 | |
| Zhang et al. | Semantic image compression based on data hiding | |
| WO2023139658A1 (en) | Calibration apparatus, calibration method, and non-transitory computer-readable storage medium | |
| JP7512486B1 (ja) | 振幅推定方法 | |
| JP6059159B2 (ja) | シェア変換システム、シェア変換方法、プログラム | |
| CN117544466A (zh) | 电子设备、papr的降低方法及神经网络模型的训练方法 | |
| JP5388716B2 (ja) | 分散情報生成装置、秘密情報復元装置、分散情報生成方法、秘密情報復元方法およびプログラム | |
| WO2025035457A1 (zh) | 一种密文处理方法和装置 | |
| CN118713823A (zh) | 密钥分发方法、装置、系统、通信设备及可读存储介质 | |
| JP7726279B2 (ja) | シンボルコンスタレーション生成装置、制御方法、及びプログラム | |
| KR102775813B1 (ko) | 랜덤 위상 랩핑 기반의 비밀 정보 공유 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231116 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231116 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20241203 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20241216 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7616434 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |