摘要
本发明公开了一种基于深度学习的光模块多参数自动调试方法，属于光通信技术领域，设置光模块的调整参数空间；构建光模块参数调试数据集；构建深度神经网络代理模型；对深度神经网络代理模型进行训练，并通过贝叶斯优化采集模型和拟牛顿法对训练后选择得到的最优观测值集合进行优化处理，得到预测性能参数；判断预测性能参数是否满足样本添加条件，若是则向光模块参数调试数据集添加对抗训练样本并重新训练，否则保存当前的最优观测值集合；重复训练并保存最优观测值集合，直至相隔τ轮分别保存的最优观测值集合满足收敛约束，得到参数调试结果写入Flash并存储。本发明解决了光模块调试时效率低和准确性不足的问题。
