本申请涉及一种基于深度Q学习的网络故障检测与诊断方法。该方法包括:上述基于深度Q学习的网络故障检测与诊断方法,通过训练好的故障检测模型进行网络故障检测与诊断,获得网络故障检测与诊断结果,故障检测模型训练方式为:从异构无线网络环境中采集带有标签的网络状态数据集,所述网络状态数据集中包括网络状态类别、干扰类型和故障类型;利用深度强化学习将网络故障识别问题建模为马尔科夫决策过程;根据所述网络状态数据集和所述马尔科夫决策过程,不断从所述网络状态数据集中选取网络状态特征并获得对应的环境反馈信息,进行多次迭代,获得具有正确检测与诊断网络故障的故障检测模型,解决了面对复杂网络环境用较少的特征对一些明显的网络状态进行分类的问题而且提高了故障诊断模型的精度,进一步提高了针对异构无线网络的网络故障诊断的准确度。
声明:
“基于深度Q学习的网络故障检测与诊断方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)