工業和商業黃頁資訊網論文書籍站
國立交通大學 光電工程研究所 陳智弘所指導 林柔伃的 以多種演算法降低沃爾泰拉非線性等化器複雜度在其應用於超過10公里高速光連接系統之比較 （2019），提出G-Class 2023關鍵因素是什麼，來自於數位訊號處理、沃泰爾拉非線性等化器、模型複雜度降低、修剪演算法、套索演算法、QR分解演算法、降維演算法、成長型演化式計算。
以多種演算法降低沃爾泰拉非線性等化器複雜度在其應用於超過10公里高速光連接系統之比較
為了解決G-Class 2023 的問題，作者林柔伃 這樣論述：
近年來隨著科技的發展，數據中心的應用佔據極重要的角色，然而隨著5G的出現，許多新出現的科技都要求高頻寬及低延遲的網路傳輸。為了滿足這樣的需求，利用邊緣計算來減少數據中心的計算量能有效提高網路傳輸及運算效率；此外，四階脈衝調製的應用能更進一步提高傳輸頻寬，但此應用有著高度非線性的缺點。為了解決此問題，Volterra非線性均衡器藉由模擬系統的輸出端及輸入端之間的非線性關係充分展現克服非線性問題的能力。然而隨著記憶長度的增加，Volterra級數中的第三階項指數增長造成Volterra非線性均衡器有著高度複雜度而難以實際應用於邊緣計算。因此在此論文中，我們提出成長型演化式計算來降低Volterr
a非線性均衡器之複雜度並同時維持模型表現，並將此方法與LASSO演算法Pruning演算法、QR分解、維度下降演算法做比較，分析各種不同演算法在降低Volterra非線性均衡器複雜度在不同通訊系統之優缺點。在本論文中，我們證明pruning演算法與我們提出成長型演化式計算有著相同出色的表現，在傳輸速度80-Gbps且傳輸距離40公里的通訊系統中可將Volterra非線性均衡器之複雜度下降高達99.99%。在計算時間方面，因pruning演算法有著計算時間極短的優勢使之應用效率最高。