[发明专利]光网络优化器及其光网络优化方法

权利要求书

1.一种光网络优化方法，其特征在于，包含有：

训练一神经网络；

调整该神经网络的复数个辅助神经元的复数个辅助输出值中的至少一个；以及

利用该神经网络进行推论。

2.根据权利要求1所述的光网络优化方法，其特征在于，另包含有在训练该神经网络以前，该神经网络的该复数个辅助神经元的该复数个辅助输出值已被设定为零。

3.根据权利要求1所述的光网络优化方法，其特征在于，调整该神经网络的该复数个辅助神经元的该复数个辅助输出值中的至少一个的步骤包含有：

根据该神经网络的一输出层的一输出值与网络效能关键绩效指标的关联来决定是否调整该神经网络的该复数个辅助神经元的该复数个辅助输出值。

4.根据权利要求1所述的光网络优化方法，其特征在于，该复数个辅助神经元中的任一个仅直接连接至该神经网络的复数个神经元中的一个。

5.根据权利要求1所述的光网络优化方法，其特征在于，该神经网络中直接连接至该复数个辅助神经元中的一第一辅助神经元的一第一神经元直接连接至该神经网络的一输出神经元，该第一辅助神经元与该第一神经元之间对应至一超参数，该输出神经元与该第一神经元之间对应至另一超参数。

6.根据权利要求1所述的光网络优化方法，其特征在于，另包含有该神经网络的至少一超参数被设定而不受训练。

7.根据权利要求1所述的光网络优化方法，其特征在于，该神经网络的复数个隐藏层分别对应至开放式系统互联模型七层架构的复数个层级。

8.根据权利要求1所述的光网络优化方法，其特征在于，当该神经网络的一输出层的一输出神经元的一输出值相关于抖动时，该神经网络的复数个隐藏层中位在第二层的复数个第二神经元直接连接至该输出神经元或一第二辅助神经元，或者，当该输出神经元的该输出值相关于延迟或丢包时，该复数个隐藏层中位在第三层的复数个第三神经元直接连接至该输出神经元或一第三辅助神经元。

9.根据权利要求1所述的光网络优化方法，其特征在于，该神经网络的至少一输入神经元的至少一输入值与光功率相关。

10.一种光网络优化器，其特征在于，包含有：

一储存电路，用来储存一指令，该指令包含有：

训练一神经网络；

调整该神经网络的复数个辅助神经元的复数个辅助输出值中的至少一个；以及

利用该神经网络进行推论；以及

一处理电路，耦接至该储存电路，用来执行储存于该储存电路的该指令。

11.根据权利要求10所述的光网络优化器，其特征在于，该神经网络的复数个隐藏层分别对应至开放式系统互联模型七层架构的复数个层级。

12.根据权利要求10所述的光网络优化器，其特征在于，当该神经网络的一输出层的一输出神经元的一输出值相关于抖动时，该神经网络的复数个隐藏层中位在第二层的复数个第二神经元直接连接至该输出神经元或一第二辅助神经元，或者，当该输出神经元的该输出值相关于延迟或丢包时，该复数个隐藏层中位在第三层的复数个第三神经元直接连接至该输出神经元或一第三辅助神经元。

13.根据权利要求10所述的光网络优化器，其特征在于，该神经网络的至少一输入神经元的至少一输入值与光功率相关。