一種基于可解釋深度強(qiáng)化學(xué)習(xí)的動(dòng)態(tài)頻譜接入方法

摘要： 針對(duì)基于強(qiáng)化學(xué)習(xí)的動(dòng)態(tài)頻譜接入模型性能有限、可解釋性差的問題，提出了一種基于權(quán)重分析的動(dòng)態(tài)頻譜接入方法。采用儲(chǔ)備池計(jì)算(Reservoir Computing, RC)網(wǎng)絡(luò)來替代傳統(tǒng)的深度Q學(xué)習(xí)網(wǎng)絡(luò)(Deep Q-Learning Network, DQN),以簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)并提高計(jì)算效率。同時(shí)引入權(quán)重分析的可解釋方法，通過生成熱力圖來反映神經(jīng)網(wǎng)絡(luò)對(duì)不同信道的認(rèn)知和偏好，從而提高... （共9頁）