本研究提出了一种新的稀疏递归多智能体强化学习框架，旨在解决动态频谱接入系统中深度学习模型在边缘设备部署的挑战。实验结果表明，该框架在多种训练条件下优于传统方法和最新的剪枝技术。

本文综述了机器学习在无线通信中的应用，重点包括频谱占用分析、干扰源识别和动态频谱接入方案。研究表明，结合深度学习和支持向量机等技术能够显著提高分类准确率和网络效率，推动未来研究发展。