公开(公告)号：CN112966811B

公开(公告)日：2023-04-14

申请号：CN202110155686.1

申请日：2021-02-04

Applicant: 北京邮电大学

Inventor： 周傲 ,  丁春涛 ,  白乐金 ,  马骁 ,  徐梦炜 ,  孙其博 ,  王尚广

IPC: G06N3/0464 ,  G06N3/084

Abstract: 本发明实施例公开了一种在MTL卷积神经网络中任务冲突的解决方法及网络，在MTL卷积神经网络的共享浅层中包括训练得到的调制模块，所述调制模块针对不同任务在共享浅层中确定对应的子网结构，将任务的任务信息输入到对应的子网结构进行卷积处理，及经过调制模块的调制后，再输出到该任务的任务特定层处理后，输出任务结果，采用MTL卷积神经网络损失函数的梯度反向传播方式对处理结果进行反向传播，调整MTL神经网络的参数，其中，调制模块的训练过程与共享浅层的训练采用多任务并行学习方法同时进行，对上述过程循环多次进行，直到MTL卷积神经网络的参数收敛为止，得到训练好的MTL卷积神经网络。这样，避免多任务并行学习的冲突，提高训练得到的MTL卷积神经网络处理不同任务时的效果。

公开(公告)号：CN112966811A

公开(公告)日：2021-06-15

申请号：CN202110155686.1

申请日：2021-02-04

Applicant: 北京邮电大学

Inventor： 周傲 ,  丁春涛 ,  白乐金 ,  马骁 ,  徐梦炜 ,  孙其博 ,  王尚广

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明实施例公开了一种在MTL卷积神经网络中任务冲突的解决方法及网络，在MTL卷积神经网络的共享浅层中包括训练得到的调制模块，所述调制模块针对不同任务在共享浅层中确定对应的子网结构，将任务的任务信息输入到对应的子网结构进行卷积处理，及经过调制模块的调制后，再输出到该任务的任务特定层处理后，输出任务结果，采用MTL卷积神经网络损失函数的梯度反向传播方式对处理结果进行反向传播，调整MTL神经网络的参数，其中，调制模块的训练过程与共享浅层的训练采用多任务并行学习方法同时进行，对上述过程循环多次进行，直到MTL卷积神经网络的参数收敛为止，得到训练好的MTL卷积神经网络。这样，避免多任务并行学习的冲突，提高训练得到的MTL卷积神经网络处理不同任务时的效果。