一種基于可解釋深度強化學習的動態(tài)頻譜接入方法

摘要： 針對基于強化學習的動態(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)重分析的動態(tài)頻譜接入方法。采用儲備池計算(Reservoir Computing, RC)網(wǎng)絡(luò)來替代傳統(tǒng)的深度Q學習網(wǎng)絡(luò)(Deep Q-Learning Network, DQN),以簡化網(wǎng)絡(luò)結(jié)構(gòu)并提高計算效率。同時引入權(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)對不同信道的認知和偏好，從而提高... （共9頁）