Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/55916

Título:

AI learns G-PON : Toward adaptive T-CONT configuration for fixed-mobile convergence

Otros títulos:

Coordinador:

Director:

Compilador:

Autor:

Inglés, Lucas
Anet Neto, Luiz
Rattaro, Claudina
Morvan, Michel
Castro, Alberto
Nuaymi, Loutfi

Tutor:

Tipo de documento:

Ponencia

Editor:

Palabras clave:

Passive optical networks
Convergence
Printing
Aluminum
Learning (Artificial Intelligence)
Optical fiber subscriber loops
Artificial intelligence

Descriptores:

Año de publicación:

2026

Contenido:

Resumen:

We demonstrate the use of a commercial G-PON as an AI-enhanced self-optimizing substrate. We refine the T-CONT configuration with deep reinforcement learning to optimize transmission latency and ensure stable and adaptive performances for fixed-mobile convergent scenarios.

Descripción:

Editorial:

EN:

2026 Optical Fiber Communications Conference and Exhibition (OFC), Los Angeles, CA, USA, 15-19 mar. 2026 , pp. 1-3.

Financiadores:

Este trabajo fue financiado y apoyado por el proyecto DGE IPCEI ME/CT Orange, así como por la CAP uruguaya (Comisión Académica de Posgrados). También se realizó en el marco de Lab’Optic, una iniciativa conjunta de investigación entre el UMR-6285 Lab-STICC, el UMR 6082 Instituto Foton y Orange Innovation.

Citación:

Inglés, L., Anet Neto, L., Rattaro, C. y otros. AI learns G-PON : Toward adaptive T-CONT configuration for fixed-mobile convergence [en línea]. EN: 2026 Optical Fiber Communications Conference and Exhibition (OFC), Los Angeles, CA, USA, 15-19 mar. 2026 , pp. 1-3.

Citación:

metadata.cc.license.name:

Documento del Gobiberno:

URI:

https://hdl.handle.net/20.500.12008/55916

ISBN:

e-ISBN:

ISSN:

ISMN:

Otros identificadores:

Título Obtenido:

Facultad o Servicio que otorga el Título:

Licencia:

Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)

Cobertura geográfica:

Cobertura temporal:

metadata.dc.relation.IsVersionOf:

Clasificación:

Es versión de:

Colecciones:

Publicaciones académicas y científicas
FicherosDescripciónTamañoFormato
INRMCN26.pdf Camera-Ready 2.81 MB Adobe PDF
Mostrar el registro Dublin Core completo del ítem