In this work, we analyze different types of recurrent neural networks (RNNs) working under several different parameters to best model the nonlinear optical dynamics of pulse propagation. Here we studied the propagation of picosecond and femtosecond pulses under distinct initial conditions going through 13 m of a highly nonlinear fiber and demonstrated the application of two RNNs returning error metrics such as normalized root mean squared error (NRMSE) as low as 9%. Those results were further extended for a dataset outside the initial pulse conditions used on the RNN training, and the best-proposed network was still able to achieve a NRMSE below 14%. We believe that this study can contribute to a better understanding of building RNNs employed for modeling nonlinear optical pulse propagation and of how the peak power and nonlinearity affect the prediction error.

No abstract

No abstract

Resumo: O SINAES foi instituído como instrumento de avaliação externa das Instituições de Ensino Superior no Brasil, estabelecendo o acompanhamento do aluno egresso como um dos aspectos a ser verificado nas políticas de autoavaliação institucional. Tal acompanhamento representa uma fonte de informação importante para que os gestores destas instituições tracem o perfil dos seus ex-alunos inseridos no mercado de trabalho, os acompanhem e avaliem periodicamente os processos de ensino-aprendizagem dos cursos que ofertam. Este artigo apresenta os mecanismos de captação e avaliação das informações que estão sendo adotadas pelas Instituições de Ensino Superior Brasileiras sobre seus egressos e as ações que estão sendo realizadas a partir dos dados coletados.As informações foram obtidas a partir de consultas aos sítios eletrônicos de 119 instituições de ensino públicas brasileiras. Em particular, analisa como a UFES tem estabelecido sua interação com os ex-alunos e a compara com as práticas