陈 晓

（河南大学 欧亚国际学院，河南 开封 475000）

0 引 言

随着全球信息化的到来，大量新型产业如云计算、人工智能、物联网、互联网以及车联网等网络业务在信息化浪潮的推动下迅速发展。网络流量需求不断增加，使得如何存储与传输大量数据成为信息通信发展的一个关键问题，人们在发展过程中对于光纤技术的要求也越来越高。为了追求超大容量、超高速率以及超长距离的目标，网络结构也越来越复杂，信道分布变得更紧凑，各种信号损伤加剧，使得光纤通信系统及光网络的可靠性降低。光单边带传输系统中的信号会受到的损伤大致可以分为线性损伤与非线性损伤，其中非线性损伤是限制传输系统性能的重要因素[1]。由于机器学习技术具有出色的处理非线性问题与抽象问题的能力，因此常使用其模型来补偿信道中的非线性损伤，以提高系统的传输性能。已有研究表明，传统的机器学习算法如K-means和DBSCAN等在预均衡、后均衡以及相位纠正等方面均有很好的表现，而深度神经网络则因为其强大的非线性拟合能力能够更进一步提升系统的性能[2]。

1 机器学习

机器学习是一门多领域交叉学科，涉及概率论、统计学、凸分析以及算法复杂度理论等[3]。机器学习是计算机科学与人工智能领域的一个重要分支，专门研究计算机怎样模拟或实现人类的学习行为，使用算法解析数据以获取某种技能或者是掌握某种知识，归纳和综合已有的知识结构，改善自身的性能，使得机器能够自我学习问题。……