english Icono del idioma   español Icono del idioma  

Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/53523 Cómo citar
Título: PON physical twin : Enabling third-party research on FTTH optimization with open datasets
Autor: Inglés, Lucas
Anet Neto, Luiz
Rattaro, Claudina
Morvan, Michel
Castro, Alberto
Nuaymi, Loutfi
Tipo: Preprint
Palabras clave: Protocols, Optical design, Europe, Collaboration, Machine learning, Performance metrics, Data models, Passive optical networks, Optical fiber subscriber loops, Optimization
Fecha de publicación: 2025
Resumen: We present a programmable PON testbed using commercial equipment and SDN control, enabling configuration exploration, performance evaluation, and reproducible experiments-fostering open datasets for network optimization and machine learning research.
Financiadores: Este trabajo fue financiado y apoyado por los proyectos DGE IPCEI ME/CT Orange y STIC-AmSud RAMONaaS, así como por la Comisión Académica de Posgrado (CAP) del Uruguay. También se realizó en el marco de Lab’Optic, una iniciativa de investigación conjunta entre Lab-STICC UMR-6285, el Instituto Foton UMR 6082 y Orange Innovation.
Citación: Inglés, L., Anet Neto, L., Rattaro, C. y otros. PON physical twin : Enabling third-party research on FTTH optimization with open datasets. [Preprint] Publicado en: 2025 European Conference on Optical Communications (ECOC), Copenhagen, Denmark, 28 sep. - 02 oct. 2025, pp. 1-4. DOI: 10.1109/ECOC66593.2025.11263387.
Departamento académico: Telecomunicaciones
Grupo de investigación: Análisis de Redes, Tráficos y Estadísticas de Servicios (ARTES)
Licencia: Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
Aparece en las colecciones: Publicaciones académicas y científicas - Instituto de Ingeniería Eléctrica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato   
INRMCN25a.pdfPreprint6,46 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons